data_driven_ai_voice_cloning

استنساخ الصوت بالذكاء الاصطناعي المعتمد على البيانات

يعد هذا المستودع بمثابة تنفيذ للجزء الرئيسي من رسالة الماجستير الخاصة بي في علوم وهندسة البيانات. وهي مقسمة إلى قسمين:

1. التشفير المتكلم

1. النماذج: ECAPA-TDNN، سلسلة wavlm
2. البيانات: VoxCeleb1، مجموعة بيانات خاصة

2. تحويل النص إلى كلام

1. النموذج: FastSpeech2 (تنفيذ مايكروسوفت)
2. البيانات: LibriTTS

يتم بعد ذلك دمج هذين الجزأين لتحقيق نموذج تحويل النص إلى كلام متعدد السماعات القادر على استنساخ الأصوات غير المرئية بدءًا من حوالي 5 ثوانٍ من الصوت، وهو نموذج ZeroShotFastSpeech2.