finanfa-fon-tts-v1
офлайн-TTS для языка фон
2 min read
Одноголосый синтез речи для языка фон (fɔngbè, Бенин) от Finanfa Tech. Модель в формате ONNX весит 63,5 МБ, работает на CPU без подключения к сети и сохраняет тоны. Это рабочая версия v1: некоторые тоны и символы пока произносятся с ошибками.
Ключевые особенности
- Один файл ONNX на 63,5 МБ, частота 22 050 Гц, моно; запуск на CPU.
- Сохраняет тоновые знаки: высокий ◌́, восходящий ◌̌ и низкий ◌̀.
- Текст читается посимвольно, без espeak;
infer.pyнормализует текст и приводит его к нижнему регистру. - Есть параметр
length_scale: значения больше 1 замедляют речь, меньше 1 — ускоряют. - На CPU MacBook M3 синтез примерно в 16 раз быстрее реального времени.
Пример
from pathlib import Path
import soundfile as sf
from infer import FonVoice
voice = FonVoice(Path('finanfa-fon-tts-v1.onnx'))
audio = voice.synth('mǐ ɖò xwé.')
sf.write('sortie.wav', audio, voice.sr)
Подробнее
Публичных численных оценок нет; UTMOS около 2,9 из 5 при обучении авторы считают ненадёжным для фон.Обучение: старт с en_US-lessac-medium, 24 эпохи на GPU T4; 5 224 клипа (6,35 ч) от одного диктора.
Ограничения: один диктор и стиль чтения; низкий тон ◌̀ в корпусе был только на e и i; цифры не поддерживаются — числа нужно писать словами; фразы лучше держать короткими.
Файл
finanfa-fon-tts-v1.onnx.json должен лежать рядом с .onnx. С sherpa-onnx модель не проверялась.









Comments