index-tts

9热度

2回答

10热度

2回答

[index-tts]Fix: 修复split_sentences_by_token方法中可能出现的无限递归问题

修复split_sentences_by_token方法中的无限递归问题在split_sentences_by_token方法中，当句子超过max_tokens_per_sentence时，会根据","或"-"进行分割。但如果分割后的部分仍然过长，原代码会递归调用自身，这可能导致无限递归和堆栈溢出错误。此PR通过添加allow_recursive参数解决了这个问题，在递归调用时将其设为f

4热度

8回答

[index-tts]有些字发不出来音

有些字发不出来音或者发音错误，不知道什么原因。例如：吗丁啉中的啉、丁苯酞中的酞。

5热度

2回答

[index-tts]如何控制语速？

音频说话很快的话，甚至可以听到舌头打结的声音，但是输出的音频基本就是标准一字一顿了

7热度

3回答

[index-tts]加上情绪之后声音很不自然

指定情绪之后生成的音频AI感很重，4中情绪参考方式中，后三种生成音频的自然度明显不如第一种(音色和情绪参考同一音频)

5热度

1回答

[index-tts]CUDA 设备不一致问题

如果指定非CUDA:0 就会报错 cuda设备不一致的问题。 RuntimeError: Expected all tensors to be on the same device, but got index is on cuda:6, different from other tensors on cuda:0 (when checking argument in method wrapper

7热度

1回答

[index-tts]类似百分比这些支持不行

比如这句“目前精度已经提升到55%，tps下降了5%”，会丢掉55%这些不发音

1热度

2回答

[index-tts]请问有计划什么时候开放训练代码吗

10热度

1回答

[index-tts]生成的音频末尾有多字或者少字情况，这个怎么解决？

0热度

1回答

[index-tts]请问论文中所述停顿控制能在推理中复现吗

您好，感谢分享~ 好奇论文中所述“controlling pauses at any position through punctuation marks.”能否在推理过程中实现，具体的punctuation marks是什么？

10热度

1回答

[index-tts]PyTorch报错：“Torch not compiled with CUDA enabled”

conda环境运行，python==3.10 一直卡在Pytorch报错。 PyTorch使用CUDA 11.8和12.6版本都报相同的错误；使用CPU版本竟然也报同样的错误；

5热度

9回答

[index-tts]可以增加语速控制么？

10热度

2回答

[index-tts]BigVGAN2 Decoder 训练时的 LLM output latents 提取方式？

Hi, 论文中提到使用 Speech LLM 的 output (last hidden state) 作为 BigVGAN2 Decoder 的输入，请问：训练阶段，BigVGAN2 的输入 latent 是怎么获取的呢？ BigVGAN2 Decoder 的输出是一条真实音频的波形，那训练阶段，对应于一条波形 target，应该如何获取 SpeechLLM 的输出（BigVGAN2 的输入）？

4热度

1回答

[index-tts]测试了男生参考音效果好很多,女生参考音生成有很多问题,如下

这个音色还原和支持控制时间间隔相当不错,测试出如下问题：有爆破音生成有生成的音频时高时低,时快时慢,稳定性有待提升期待更新修复这些问题,加油

9热度

4回答

[index-tts]webui 调节 TTS 语速的方法，谁能推一个 PR 上去？

solve~

5热度

2回答

[index-tts]降低 transformers 版本，以消除警告信息

每次启动时，可以看到控制台输出了4条警告信息： FutureWarning: torch.utils._pytree._register_pytree_node is deprecated. Please use torch.utils._pytree.register_pytree_node instead. FutureWarning: torch.utils._pytree._registe

10热度

6回答

[index-tts]超过6个字的时候会报错

超过6个字的时候会报错，设备是macbook pro m2 NotImplementedError: Output channels > 65536 not supported at the MPS device

3热度

2回答

[index-tts]修复拼音问题和分句问题，支持轻音声调（如yi1 shang5）

Case 1: 不支持轻音声调如shang5 参考声音：ZH/prompt/8913957783621352198.wav “裳”本指古人束在下半身、长至膝盖的一种衣服，类似于裙子，读作chang2。后“衣”“裳”连用泛指衣服，其中的“裳”读作shang5。修复前： shang5_bug.webm 修复后：shang5_fix.webm Case 2: 不支持纯拼音声调的输入（会被当作Engli

7热度

2回答

[index-tts]报告，文本长一点报错

start inference... normalized text:有没有第一次来到我直播间的姐妹,初来乍到来到我直播间的,在公屏上飘一个一只要你是新人的,初次前来买来的全部都算数今天一杯奶茶的价格当做新朋友的礼物,包邮直接送出,我马上给你们上车主播今天新人新号刚刚开播,为了拉点人气涨点粉丝,是新人的第一次来到主播直播间的,打个小一这个数快递费是不是都不够的,咱们是想赚一波口碑,到时候你们收到货

0热度

2回答

[index-tts]请求在 huggingface 上提供 GPT2 模型和分词器

可能需要以下格式，以便在 vllm 或 sglang 中加载 index-tts ~ （1）GPT2 分词器： tokenizer.json tokenizer_config.json vocab.json merges.txt special_tokens_map.json （2）GPT2 模型： config.json model.safetensors 可参考 MegaTTS3 提供的