data_driven_ai_voice_cloning

Kloning suara AI berbasis data

Repositori ini merupakan implementasi dari bagian utama tesis master saya di bidang Ilmu & Teknik Data. Ini dibagi menjadi dua bagian:

1. Enkoder Pembicara

1. model: ECAPA-TDNN, seri wavlm
2. data: VoxCeleb1, kumpulan data pribadi

2. Teks-ke-ucapan

1. model: FastSpeech2 (implementasi Microsoft)
2. data: LibraTTS

Kedua bagian ini kemudian diintegrasikan untuk mencapai model Multi Speaker Text to Speech yang mampu mengkloning suara tak terlihat mulai dari audio sekitar 5 detik, model ZeroShotFastSpeech2.