data_driven_ai_voice_cloning

Clonación de voz mediante IA basada en datos

Este repositorio es una implementación de la parte principal de mi tesis de maestría en ciencia e ingeniería de datos. Se divide en dos partes:

1. Codificador de altavoz

1. modelos: ECAPA-TDNN, serie wavlm
2. datos: VoxCeleb1, conjunto de datos privado

2. Texto a voz

1. modelo: FastSpeech2 (implementación de Microsoft)
2. datos: LibriTTS

Luego, estas dos partes se integran para lograr un modelo de texto a voz de múltiples hablantes que es capaz de clonar voces invisibles a partir de aproximadamente 5 segundos de audio, el modelo ZeroShotFastSpeech2.