基于VITS的星光咖啡馆5人语音合成模型

[视频作者] Francis-Komizu

[视频时长] 7:20

[视频类型] 动画综合

最近很多大佬都在做ACG的语音合成呢，但一直没见星光咖啡馆的模型出来，那我就试着做做吧:) 视频中使用的模型是VITS，在我自己收集的星光咖啡馆数据集（2W条语音）上用colab的P100跑了40个小时左右。效果还不错，再跑几天品质应该还能提升！ 另外在尝试做GUI…… Github：https://github.com/Francis-Komizu/VITS Colab demo：https://colab.research.google.com/drive/1nKa-l15f_talGvIwP