data_driven_ai_voice_cloning

數據驅動的人工智慧語音克隆

該存儲庫是我的數據科學與工程碩士論文主要部分的實現。它分為兩部分：

1. 揚聲器編碼器

1. 型號：ECAPA-TDNN、wavlm 系列
2. 資料：VoxCeleb1，私人資料集

2. 文字轉語音

1. 模型：FastSpeech2（微軟實作）
2. 數據：LibriTTS

然後將這兩部分整合以實現多揚聲器文字轉語音模型，該模型能夠從大約 5 秒的音訊開始克隆看不見的聲音，即 ZeroShotFastSpeech2 模型。