ayousanz https://blog.hatena.ne.jp/ayousanz/ yousanのメモ https://ayousanz.hatenadiary.jp/ AI Python 初めに 構成要素の概要 エンコーダー（Encoder） デコーダー（Decoder） ボコーダー（Vocoder） 特徴的な部分 Sway Sampling ConvNeXT トレーニングと推論 トレーニングデータ 非自己回帰型TTS 環境 準備 ライブラリのインストール 事前学習モデルの配置 実行 初めに Flow MatchingとDiffusion Transformer（DiT）を基盤にした完全な非自己回帰型テキスト音声合成（TTS）である F5-TTSが公開されています 以下 ライブラリの詳細です( ReadMeより ChatGPTから生成したものです) 構成要素の概要 エンコーダー… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fayousanz.hatenadiary.jp%2Fentry%2F2024%2F10%2F10%2F131605" title="F5-TTSで音声合成を試す - yousanのメモ" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/a/ayousanz/20241010/20241010125941.png Hatena Blog https://hatena.blog 2024-10-10 13:16:05 rich https://ayousanz.hatenadiary.jp/entry/2024/10/10/131605 1.0 100%