M5-TTS / README_zh.md

Update README_zh.md

ecd9c41 verified 3 days ago

2.33 kB

license: apache-2.0
pipeline_tag: text-to-speech
language:
  - zh
  - en
  - de
  - fr
  - ja
  - ko
  - yue
tags:
  - chuan
  - m5-tts
  - voice-cloning
  - multilingual
  - pytorch

M5-TTS

English | 简体中文

GitHub · 音频展示 · 在线体验 · 模型合集

M5-TTS 是由 ASLP@NPU 和 LycheeAI Lab 开发的轻量多语种、多方言语音合成系统。模型结合 30M 时序骨干与 20M 局部多 token 预测解码器，使用 16 个音频码本、12.5 帧/秒的 codec 表示生成 24 kHz 语音。语音 codec 为独立组件。

本仓库提供参考音频克隆权重，支持中文、英语、德语、法语、日语和韩语，以及粤语、四川话条件。无需参考音频的精品说话人播报请使用 M5-TTS-50M-CustomVoice。

快速开始

推荐使用 Linux、Python 3.10、支持 BF16 的 NVIDIA GPU 和兼容的 CUDA 驱动。从代码仓库安装：

git clone https://github.com/ASLP-lab/M5-TTS.git
cd M5-TTS
conda create -n m5tts python=3.10 -y
conda activate m5tts
pip install -r requirements.txt
pip install --no-build-isolation flash-attn==2.7.3

在代码仓库根目录执行：

python infer_clone.py \
  --model ASLP-lab/M5-TTS \
  --text "你好，欢迎使用我们的语音合成模型。" \
  --prompt-wav assets/aslp_default_voice.wav \
  --prompt-text "猪携带该疾病，然后通过蚊子传染给人类。" \
  --output outputs/clone.wav

更换音色时，请同时替换参考录音和准确转写。M5 权重、文本 tokenizer 和音频 tokenizer 会自动下载。通过 --lang 指定目标语言；粤语使用 --lang Chinese --accent yue，四川话使用 --lang Chinese --accent chuan。

完整用法和评测结果见项目 README。仅使用本人或已获授权的声音进行克隆。

许可证

Apache-2.0。基于 Qwen 的音频 codec 保留上游归属，见第三方声明。