data_driven_ai_voice_cloning

Clonagem de voz com IA baseada em dados

Este repositório é uma implementação da parte principal da minha tese de mestrado em Ciência e Engenharia de Dados. Está dividido em duas partes:

1. Codificador de alto-falante

1. modelos: ECAPA-TDNN, série wavlm
2. dados: VoxCeleb1, conjunto de dados privado

2. Conversão de texto para fala

1. modelo: FastSpeech2 (implementação da Microsoft)
2. dados: LibriTTS

Essas duas partes são então integradas para obter um modelo Multi Speaker Text to Speech que é capaz de clonar vozes invisíveis a partir de cerca de 5 segundos de áudio, o modelo ZeroShotFastSpeech2.