Update Sample Output (6 samples, euler/12 default settings)
Browse files
README.md
CHANGED
|
@@ -28,9 +28,11 @@ A from-scratch Burmese (Myanmar) text-to-speech model. 31M parameters, ~63 MB (f
|
|
| 28 |
|
| 29 |
## Sample Output
|
| 30 |
|
|
|
|
|
|
|
| 31 |
**Sample 0**
|
| 32 |
|
| 33 |
-
**Text:** "မြန်မာလူမျိုးများဟာ အလွန် ယဥ်ကျေးသိမ်မွေ့ပြီး ဧည
|
| 34 |
|
| 35 |
<audio controls src="https://huggingface.co/freococo/MyanmarTTS/resolve/main/samples/sample_0.wav"></audio>
|
| 36 |
|
|
@@ -48,18 +50,21 @@ A from-scratch Burmese (Myanmar) text-to-speech model. 31M parameters, ~63 MB (f
|
|
| 48 |
|
| 49 |
**Sample 3**
|
| 50 |
|
| 51 |
-
**Text:** "လူသားတိုင်း လူသားတိုင်း ကိုယ်စိတ်နှစ်ဖ
|
| 52 |
|
| 53 |
<audio controls src="https://huggingface.co/freococo/MyanmarTTS/resolve/main/samples/sample_3.wav"></audio>
|
| 54 |
|
| 55 |
**Sample 4**
|
| 56 |
|
| 57 |
-
**Text:** "ဒီအသံထုတ်စနစ်လေးကို အသုံးပြုသူတိုင်း ကျန်းမာချမ်းသာပြီး လိုရာဆန္ဒတွေ တလုံးတဝတည်း ပြည
|
| 58 |
|
| 59 |
<audio controls src="https://huggingface.co/freococo/MyanmarTTS/resolve/main/samples/sample_4.wav"></audio>
|
| 60 |
|
| 61 |
-
|
|
|
|
|
|
|
| 62 |
|
|
|
|
| 63 |
|
| 64 |
## Reference Audio
|
| 65 |
|
|
@@ -94,6 +99,20 @@ sf.write("output.wav", audio.squeeze(0).cpu().numpy(), 44100)
|
|
| 94 |
|
| 95 |
---
|
| 96 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 97 |
## Files
|
| 98 |
|
| 99 |
| File | Size | Purpose | License |
|
|
|
|
| 28 |
|
| 29 |
## Sample Output
|
| 30 |
|
| 31 |
+
All samples generated with default settings (`euler` solver, 12 steps).
|
| 32 |
+
|
| 33 |
**Sample 0**
|
| 34 |
|
| 35 |
+
**Text:** "မြန်မာလူမျိုးများဟာ အလွန် ယဥ်ကျေးသိမ်မွေ့ပြီး ဧည့်သည်များကို ပျူပျူငှာငှာ လှိုက်လှိုက်လှဲလှဲနဲ့ ကြိုဆိုကြပါတယ်"
|
| 36 |
|
| 37 |
<audio controls src="https://huggingface.co/freococo/MyanmarTTS/resolve/main/samples/sample_0.wav"></audio>
|
| 38 |
|
|
|
|
| 50 |
|
| 51 |
**Sample 3**
|
| 52 |
|
| 53 |
+
**Text:** "လူသားတိုင်း လူသားတိုင်း ကိုယ်စိတ်နှစ်ဖါ ကျန်းမာရွှင်လန်းပြီး စီးပွားလာဘ်လာဘတွေ ဒီရေအလား ကြီးပွား တိုးတက်နိုင်ကြပါစေ"
|
| 54 |
|
| 55 |
<audio controls src="https://huggingface.co/freococo/MyanmarTTS/resolve/main/samples/sample_3.wav"></audio>
|
| 56 |
|
| 57 |
**Sample 4**
|
| 58 |
|
| 59 |
+
**Text:** "ဒီအသံထုတ်စနစ်လေးကို အသုံးပြုသူတိုင်း ကျန်းမာချမ်းသာပြီး လိုရာဆန္ဒတွေ တလုံးတဝတည်း ပြည့်စုံနိုင်ကြပါစေ"
|
| 60 |
|
| 61 |
<audio controls src="https://huggingface.co/freococo/MyanmarTTS/resolve/main/samples/sample_4.wav"></audio>
|
| 62 |
|
| 63 |
+
**Sample 5**
|
| 64 |
+
|
| 65 |
+
**Text:** "ဟယ်လို... ဒါလင်... မတွေ့ရတာ... ကြာပီနော်"
|
| 66 |
|
| 67 |
+
<audio controls src="https://huggingface.co/freococo/MyanmarTTS/resolve/main/samples/sample_5.wav"></audio>
|
| 68 |
|
| 69 |
## Reference Audio
|
| 70 |
|
|
|
|
| 99 |
|
| 100 |
---
|
| 101 |
|
| 102 |
+
### Default Settings
|
| 103 |
+
|
| 104 |
+
- **Solver**: `euler` (fast, ~16× faster than `dopri5`)
|
| 105 |
+
- **Steps**: `12` (RTF ~0.08 on T4 GPU - 12× faster than real-time)
|
| 106 |
+
- **CFG**: `3.0`
|
| 107 |
+
|
| 108 |
+
Override per call:
|
| 109 |
+
|
| 110 |
+
```python
|
| 111 |
+
audio = tts.tts("ဟယ်လို ဒါလင် မတွေ့ရတာ ကြာပီ", step=8) # fastest
|
| 112 |
+
audio = tts.tts("ဟယ်လို ဒါလင် မတွေ့ရတာ ကြာပီ", step=24) # higher quality
|
| 113 |
+
audio = tts.tts("ဟယ်လို ဒါလင် မတွေ့ရတာ ကြာပီ", solver="dopri5", step=32) # max quality
|
| 114 |
+
```
|
| 115 |
+
|
| 116 |
## Files
|
| 117 |
|
| 118 |
| File | Size | Purpose | License |
|