Latest / Kana & Mari's SoundRepos (Japanese)

zhenye234/CoMoSpeech
CoMoSpeechという、テキストから音声・歌声を生成するための拡散モデル/Consistency Modelベースの音声合成リポジトリです。1ステップ生成による高速推論を目指しており、教師モデルの蒸留による学生モデル学習、推論、LJSpeechを用いた学習コードが含まれています。HiFi-GAN вокoder を使ってメルスペクトログラムから波形を生成します。
The skinny
The skinny isn't ready yet — notes appear once the transcript is processed.