freococo commited on
Commit
8f0a2e7
·
verified ·
1 Parent(s): 9da361f

Update Sample Output (6 samples, euler/12 default settings)

Browse files
Files changed (1) hide show
  1. README.md +23 -4
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 ဧည့်သည်များကို ပျူပျူငှာငှာ လှိုက်လှိုက်လှဲလှဲနဲ့ ကြိုဆိုကြပါတယ်"
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 ကိုယ်စိတ်နှစ်ဖြာ ကျန်းမာရွှင်လန်းပြီး စီးပွားလာဘ်လာဘတွေ ဒီရေအလား ကြီးပွား တိုးတက်နိုင်ကြပါစေ"
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 ပြည့်စုံနိုင်ကြပါစေ"
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 |