data_driven_ai_voice_cloning

数据驱动的人工智能语音克隆

该存储库是我的数据科学与工程硕士论文主要部分的实现。它分为两部分：

1. 扬声器编码器

1. 型号：ECAPA-TDNN、wavlm 系列
2. 数据：VoxCeleb1，私人数据集

2. 文字转语音

1. 模型：FastSpeech2（微软实现）
2. 数据：LibriTTS

然后将这两部分集成以实现多扬声器文本转语音模型，该模型能够从大约 5 秒的音频开始克隆看不见的声音，即 ZeroShotFastSpeech2 模型。