FireRedTTS

FireRedTTS copied to clipboard

@FireRedTeam what the license about this project? thanks

cxf2015

关于副语言标记和Emotions的使用问题

1

感谢你们的开源工作，这个模型很不错 我有个问题想问下，请问有关于副语言token如何使用的指南吗？ 比如，论文和demo中提到的 `[word_rep]` `谁@知@道@啊` `(realization)[prolong]`，这些标记 还有，Emotion如何控制，代码中目前好像并不包含这些内容？

zhzLuke96

吞音鬼畜

13

比如说选中文带了数字或者某些符号，就会鬼畜，还有就是长段文字就会漏字，嗯，有很多问题

martjay

https://github.com/zhaoyun0071/FireRedTTS-windows-GUI V1.0 版本：2024-10-13 1、支持多种切字模式，解决长文字生成混乱问题，所以不限制输入文字长度了； 2、支持生成音频的同时，生成和音频名字一样的srt字幕文件； 3、支持txt导入，将txt里的内容转换成音频； 4、支持srt导入，将字幕里的文字转换成音频，保持时间轴一样。

zhaoyun0071

和 CosyVoice 比较,感觉在语音 clone 上比和 CosyVoice 好很多，速度也快。 但是整体完成度比和 CosyVoice 差太多。而且很短一句话也经常重复发音，有时候莫名其妙发音。需要处理的事情还很多。 希望可以出更加完成度高的模型。

dnlzsy

是不是分句有问题

3

 1. 如图，对于长句子会输出不合理的音频， 2. 似乎默认语速会很快，这是不是训练代码有bug，还是预料分布问题

TheHonestBob

hi how to token the paralingustics, synthesize the wav like the demos you have showed ? 当然需求的话[oralsii]肯定是有这一部分的。 当然需求的话肯定[tsk]是有这一部分的。谁@知@道@啊，它里面才出现那么几个镜头，而且我就感觉他是客@串@的 thank you very much!

yanyanxixi

Hi! First of all, thanks for the great work. I noticed that the paper mentions examples of instruction tuning (including emotions and paralinguistics), which I believe are not currently supported....

youngercloud

Great job! Is the streaming decoder open source?

5

Great job! Is the streaming decoder open source?

Alex-Songs

Thank you for the paper and code. Voice cloning is excellent, however, for text to speech I'm experiencing word errors. Here is an example [Prompt audio file](https://github.com/user-attachments/assets/c3e71d6d-419a-4a27-b2cd-ced620f60ee0) Transcript: "This comprehensive...

jerrymatjila