Python

4热度

4回答

[index-tts]ninja中文路径编译补丁支持：BigVGAN fused cuda kernel

【问题复现】如果 index-tts 项目拉取在某些中文路径下，比如含中文目录： j:/语音克隆/index-tts 当启用 use_cuda_kernel = True 时，运行项目会生成 build.ninja 中文乱码，从而导致 BigVGAN cuda kernel 编译失败。经过检测发现 cpp_extension.load 以及后续代码均执行失败。 Failed to load c

2热度

2回答

[index-tts]前端tn.chinese.normalizer 是哪个依赖包？怎么安装

0热度

2回答

[index-tts]如何实现情感特定的推理

在Demo的最后有一段Controllability: Emotionally Expressive Speech Generation的示例，但我在test script中使用prompt audio推理“听着暴风雨在窗外咆哮，小丽蜷缩在床上，害怕得连呼吸都不敢太大声。”这一句话并没有得到像Demo中一样情感充沛的语音。请问像Demo中那样的情感表述应当如何复现？是否需要向模型传入特定的情感标

3热度

6回答

[index-tts]单句推理：RTF 性能提速小优化 ~

【提速原理】通过调整模型的默认激活函数，来进一步提升神经网络的基础推理性能。经过多轮测试，普通模式和批次模式， RTF 值均下降明显（参考值约 >= 5 % ）。本次 checkpoints\config.yaml 新增的选项如下，（您或可将其直接注释，以恢复原始配置）： activation_function: "gelu_pytorch_tanh" 如需恢复之前旧配置，只需将其注释即

3热度

2回答

[index-tts]变形金刚的bug，最新版本没有变形金刚能跑的

8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

8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。

10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

3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)

3热度

4回答

[index-tts]colab 下uv同步安装报错，遇到相同的问题不？

Failed to build deepspeed==0.17.1 ├─▶ The build backend returned an error ╰─▶ Call to setuptools.build_meta:__legacy__.build_wheel failed (exit status: 1) [stderr] Traceback (most recent call last): F

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

0热度

1回答

[index-tts]缺少必要文件 checkpoints/s2mel.pth。请下载。

缺少必要文件 checkpoints/s2mel.pth。请下载。 index-tts2分支没有这个文件。

3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

7热度

2回答

[index-tts]请问有计划什么时候开放训练代码吗

1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？

7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？

9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；

8热度

9回答

[index-tts]可以增加语速控制么？

0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）？

7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