Akopọ
VITS jẹ awoṣe ọrọ-si-ọrọ ti o yi ọrọ pada taara si awọn fọọmu ohun afetigbọ aise ni eto ikẹkọ ẹyọkan, ṣifo opo gigun ti ipele meji deede. Nipa apapọ arosọ iyatọ pẹlu ikẹkọ ọta, o ṣe agbejade iyalẹnu adayeba, ọrọ asọye.
VITS Ipari-si-Ipari Ọrọ Iṣagbepọ joko ni awọn ṣiṣan iṣẹ ohun-AI ti o yi ọrọ pada, orin, ati ohun fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media.
Jin Dive
VITS (Itọka Iyatọ pẹlu ikẹkọ ọta fun ipari-si-opin Ọrọ-si-Ọrọ), ti Kim, Kong, ati Ọmọ ti ṣafihan ni ọdun 2021, dapọ awọn imọran mẹta ti awọn eto agbalagba tọju lọtọ. Aṣayipada autoencoder ti o ni majemu (VAE) kọ ẹkọ oniduro wiwaba ti ọrọ, ṣiṣe deede awọn ṣiṣan n jẹ ki pinpin wiwakọ rọ to lati mu awọn alaye akositiki ti o dara, ati iyasoto ara-GAN titari fọọmu igbi ti ipilẹṣẹ si ojulowo. Ni pataki, VITS ṣe ikẹkọ awoṣe akositiki ati vocoder papọ ju bii awọn ipele meji, imukuro aiṣedeede ti o dinku didara nigbati awọn modulu ba ni ikẹkọ lọtọ. O tun ṣafihan asọtẹlẹ iye akoko sitokasitik, nitorinaa gbolohun kanna ni a le sọ pẹlu oriṣiriṣi, awọn rhythmu ohun adayeba ni akoko kọọkan.
Imọ-imọ-ẹrọ
VITS yanju iṣoro titete pẹlu Monotonic Alignment Search (MAS), eyiti o rii aworan agbaye ti o dara julọ laarin awọn ami ọrọ ati awọn fireemu ohun lakoko ikẹkọ laisi awọn alakan ita. A ṣe iṣiro lẹhin VAE lati inu ohun ohun gangan, lakoko ti iṣaju iṣaju lori ọrọ ti ṣe atunto nipasẹ ṣiṣe deede awọn ṣiṣan lati baamu. Ni itọkasi, o ṣe ayẹwo lati ọrọ ṣaaju ki o pinnu taara si ọna igbi, nitorinaa ko si mel-spectrogram lọtọ ati ko si vocoder lọtọ ti a nilo.
Titunto si VITS Ipari-si-Ipari Ọrọ Afoyemọ
VITS jẹ awoṣe ọrọ-si-ọrọ ti o yi ọrọ pada taara si awọn fọọmu ohun afetigbọ aise ni eto ikẹkọ ẹyọkan, ṣifo opo gigun ti ipele meji deede. Nipa apapọ arosọ iyatọ pẹlu ikẹkọ ọta, o ṣe agbejade iyalẹnu adayeba, ọrọ asọye. VITS Ipari-si-Ipari Ọrọ Iṣagbepọ joko ni awọn ṣiṣan iṣẹ ohun-AI ti o yi ọrọ pada, orin, ati ohun fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media. Lati kọ oye ti o jinlẹ, ṣe itọju VITS Ipari-si-Ipari Ọrọ Iṣagbepọ bi awoṣe iṣẹ, kii ṣe ẹya ẹyọkan: ṣalaye awọn abajade ti o fẹ, ṣalaye awọn arosọ, ati ya sọtọ ohun ti eto le ṣe ni igbẹkẹle lati ohun ti o tun nilo idajọ amoye.
Ni iṣe, awọn ẹgbẹ ti o lagbara ti o nlo VITS Ipari-si-Ipari Ọrọ Synthesis tọju didara, lairi, ati ifọkansi gẹgẹbi awọn ẹya pataki kanna ti ilana imuṣiṣẹ. Wọn ṣe akọsilẹ awọn ibeere aṣeyọri ti o fojuhan, idanwo lodi si data ojulowo ati ṣiṣan iṣẹ, ati atunbere ti o da lori awọn ilana ikuna ti a ṣakiyesi dipo awọn bori ala-akoko kan. Eyi ni ibiti oye imọ-jinlẹ yipada si agbara ti o tọ kọja ọja, eto imulo, ati awọn iṣẹ ṣiṣe.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni akoko kanna, ilokulo ohun ati awọn eewu imisi eniyan n pọ si nigbati igbanilaaye ba sonu. Ọna resilient julọ julọ ni lati darapọ iyara idanwo pẹlu ibawi ijọba: ṣiṣe awọn awakọ awakọ, mu ẹri mu, ṣe atẹjade awọn iwe ipinnu, ati imudojuiwọn awọn aabo nigbagbogbo bi ihuwasi awoṣe, awọn ireti olumulo, ati awọn ibeere ilana ti dagbasoke.
Ipa Ilana
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Real-World imuse
Awọn ọkọ oju omi Coqui TTS awọn awoṣe ti o da lori VITS ti o ṣe agbejade itanran-tune lati ṣe ẹda oniye ti onirohin kan pato fun awọn iwe ohun.
Awọn oluranlọwọ ohun orisun ṣiṣi lori ohun elo kilasi Rasipibẹri Pi-kilasi lo awọn awoṣe VITS iwapọ fun iṣelọpọ ọrọ aisinipo ni kikun.
Awọn ohun elo ikẹkọ ede ṣe agbekalẹ awọn apẹẹrẹ pronunciation adayeba ni lilo awọn iyatọ VITS pupọ bi YourTTS.
Awọn ile-iṣere ere Indie ṣepọ awọn laini ijiroro NPC oriṣiriṣi, ti o gbẹkẹle asọtẹlẹ iye akoko sitokasitik fun ilu ti kii-robotic.
Awọn Ilana imuse
VITS Ipari-si-Ipari Ọrọ Asọpọ ni iṣe
Awọn ọkọ oju omi Coqui TTS awọn awoṣe ti o da lori VITS ti o ṣe agbejade itanran-tune lati ṣe ẹda oniye ti onirohin kan pato fun awọn iwe ohun.
Awọn ọkọ oju omi Coqui TTS awọn awoṣe ti o da lori VITS ti o ṣe agbekalẹ itanran-tune lati ṣe oniye ohun kan pato ti onkawe fun awọn iwe ohun Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe ni akoko pupọ.
VITS Ipari-si-Ipari Ọrọ Asọpọ ni iṣe
Awọn oluranlọwọ ohun orisun ṣiṣi lori ohun elo kilasi Rasipibẹri Pi-kilasi lo awọn awoṣe VITS iwapọ fun iṣelọpọ ọrọ aisinipo ni kikun.
Awọn oluranlọwọ ohun orisun-ìmọ lori Rasipibẹri Pi-kilasi hardware lo awọn awoṣe VITS iwapọ fun iṣelọpọ ọrọ aisinipo ni kikun Awọn ẹgbẹ nigbagbogbo gba awọn abajade ti o dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpa mejeeji awọn anfani iṣelọpọ ati awọn idiyele aṣiṣe ni akoko pupọ.
VITS Ipari-si-Ipari Ọrọ Asọpọ ni iṣe
Awọn ohun elo ikẹkọ ede ṣe agbekalẹ awọn apẹẹrẹ pronunciation adayeba ni lilo awọn iyatọ VITS pupọ bi YourTTS.
Awọn ohun elo ẹkọ ede n ṣe agbekalẹ awọn apẹẹrẹ pronunciation adayeba nipa lilo awọn iyatọ VITS multilingual gẹgẹbi Awọn ẹgbẹ TTS nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
VITS Ipari-si-Ipari Ọrọ Asọpọ ni iṣe
Awọn ile-iṣere ere Indie ṣepọ awọn laini ijiroro NPC oriṣiriṣi, ti o gbẹkẹle asọtẹlẹ iye akoko sitokasitik fun ilu ti kii-robotic.
Awọn ile-iṣere ere Indie ṣepọ awọn laini ijiroro NPC oriṣiriṣi, ti o da lori asọtẹlẹ iye akoko sitokasitik fun Awọn ẹgbẹ rhythm ti kii-robotic nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa mejeeji awọn anfani iṣelọpọ ati awọn idiyele aṣiṣe ni akoko pupọ.
Awọn ewu & Awọn ọna iṣọ
ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Ilana Ilana imuse
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.