data_driven_ai_voice_cloning

Clonage vocal IA basé sur les données

Ce référentiel est une implémentation de la partie principale de mon mémoire de master en Data science & Engineering. Il est divisé en deux parties :

1. Encodeur de haut-parleur

1. modèles : ECAPA-TDNN, série wavlm
2. données : VoxCeleb1, ensemble de données privé

2. Synthèse vocale

1. modèle : FastSpeech2 (implémentation Microsoft)
2. données : LibriTTS

Ces deux parties sont ensuite intégrées pour obtenir un modèle Text to Speech multi-haut-parleurs capable de cloner des voix invisibles à partir d'environ 5 secondes d'audio, le modèle ZeroShotFastSpeech2.