Text-to-Speech
MLX
ONNX
PyTorch
Portuguese
tts
pt-br
brazilian-portuguese
apple-silicon
File size: 1,490 Bytes
aca3639
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
# Código do pivo-ptbr

| Arquivo | Para quê |
|---|---|
| `speak.py` | Texto -> voz, em MLX (Mac) ou ONNX Runtime. É o que o model card usa. |
| `pivo_mlx.py` | O acústico e o vocoder em MLX (usado por `speak.py`). |
| `convert.py` | `pivo-ptbr.pt` + vocoder ONNX -> `mlx/*.safetensors`. |
| `pivo_ptbr/model.py` | O acústico em PyTorch. |
| `pivo_ptbr/prepare.py` | Dados: 24 -> 16 kHz, features Opus, fonemas e durações. |
| `pivo_ptbr/train.py` | Treino do acústico. |
| `pivo_ptbr/export.py` | PyTorch -> `encoder.onnx` e `decoder.onnx`. |
| `pivo_ptbr/features.py` | Extração de features (Opus) e o vocoder em ONNX Runtime. |

Para só **usar** o modelo, veja o model card. O restante serve para reproduzir o treino:

```bash
pip install torch onnx onnxruntime soundfile scipy pyarrow \
  git+https://github.com/SemFence/dizione-ptbr git+https://github.com/SemFence/tiny-voca-ptbr
hf download semfence/ptbr-synthetic-speech --repo-type dataset --local-dir data/speech

# extrator de features: fargan_demo, do Xiph/Opus (rev bafd40dcbd506e12da257b8cb05c0afe1ed44719),
# compilado com -DOPUS_DEEP_PLC=ON; aponte para ele:
export FARGAN_DEMO=/caminho/para/fargan_demo

python code/pivo_ptbr/prepare.py --split train      # e validation, test
python code/pivo_ptbr/train.py --out runs/w96
python code/pivo_ptbr/export.py runs/w96/best.pt exportado
```

`prepare.py` usa o front end e o alinhador CTC do tiny-voca-ptbr só para rotular os dados; nenhum peso dele entra no modelo.