IndicTTS-Hindi
קוד פתוחSPRINGLabרישיון לא דווח2024-11-05
המאגר כולל כעשר שעות של הקלטות אולפן בהינדי עם תמלול מלא. הוא מיועד למי שבונה או בודק מודלי טקסט לדיבור לשוק ההודי וצריך קולות נקיים של גבר ואישה.
- 1,150הורדות בחודש
- 36לייקים
מה זה
הנתונים מבוססים על פרויקט Indic TTS שפותח ב־IIT Madras על ידי קונסורציום טכנולוגיות הדיבור בהודו. המאגר המקורי כולל 13 שפות שונות, אך הגרסה הזו מבודדת אך ורק את ההקלטות המונולינגואליות בהינדי. בפנים יש קצת יותר מעשר שעות שמע, שמחולקות כמעט שווה בשווה בין דובר אחד לדוברת אחת, שניהם דוברים ילידיים.
כל קובץ שמע מגיע באיכות אולפן בפורמט WAV ובקצב דגימה של 48,000 הרץ, כשלכל הקלטה מוצמד תמלול תואם של המשפט שנאמר. סך הרשומות נמצא בטווח שבין עשרת אלפים למאה אלף, והן נארזו מחדש לתוך קובצי Parquet כדי לאפשר טעינה מהירה יותר בעבודה עם מודלים מודרניים.
מתאים ל
- אימון מודל בסיס לדיבור
מתאים לבניית מנוע TTS נקי בהינדי על בסיס קול גברי או נשי באיכות אולפן גבוהה.
- הערכת ביצועי מודלים
מדידת איכות של מודלי שמע קיימים על תעתיק הינדי מדויק ללא רעשי רקע.
- התאמת קול ספציפי
ביצוע fine-tuning עבור מערכות קוליות שדורשות דובר יחיד עקבי בהינדי.
איפה זה נופל
זה לא מאגר שיספיק לבדו למודל דיבור רחב. יש כאן שני דוברים בלבד, גבר אחד ואישה אחת, מה שאומר אפס גיוון במבטאים, בגילאים או באינטונציות שונות של הינדי. בנוסף, מדובר בהקלטות אולפן סטריליות, כך שהן לא יכינו מודל להתמודדות עם רעשי רקע, קווי טלפון או שיחות טבעיות. אין כאן שום ייצוג לשפות אחרות או למילים באנגלית שמשתלבות בדיבור יומיומי בהודו.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מסחרי?
הרישיון לא מוגדר ברישום הרגיל של Hugging Face, והשימוש כפוף להסכם נפרד של פרויקט Indic TTS ב־IIT Madras. עליכם להיכנס לקישור הרישיון שמופיע בתיעוד ולבדוק אם השימוש הספציפי שלכם מותר. כל עוד לא בדקתם וחתמתם מולם, אי אפשר להניח שמותר להוציא מזה מוצר מסחרי.
האם יש במאגר הקלטות בעברית או באנגלית?
לא. המאגר מכיל אך ורק הקלטות בהינדי מונולינגואלי. למרות שהפרויקט המקורי ממנו הוא נגזר כולל שפות הודיות נוספות ואנגלית, המאגר הספציפי הזה בודד רק את החלק של ההינדי, ואין בו שום שפה אחרת.
כמה שעות שמע יש בפנים ואיך הן מתחלקות?
בסך הכל יש כ־10.33 שעות הקלטה. החלוקה כמעט סימטרית לחלוטין בין שני הדוברים, עם 5.16 שעות של דובר גבר ו־5.18 שעות של דוברת אישה.
איך המידע הזה שונה ממאגר Indic TTS המקורי?
המאגר המקורי כולל 13 שפות שונות ואלפי משפטים כולל שילוב של אנגלית. כאן SPRINGLab לקחו רק את החלק של השפה ההינדית וארזו אותו מחדש בפורמט Parquet שנוח לטעינה ישירה בספריות פיתוח מודרניות.
איך טוענים
טוענים את הנתונים ישירות דרך הספרייה של Hugging Face בלי צורך באישור גישה מראש. הקבצים מחולקים לעשרה חלקי Parquet שונים בתיקיית המידע. תצטרכו לעבוד ישירות עם עמודות השמע והטקסט, ולשים לב שקצב הדגימה גבוה, 48kHz, כך שאם המודל שלכם מצפה ל־16kHz או 24kHz תידרשו לבצע resample בעת הטעינה כדי לחסוך זיכרון ולמנוע שגיאות.
from datasets import load_dataset
ds = load_dataset("SPRINGLab/IndicTTS-Hindi")הרישיון
בעמוד המאגר לא הוגדר רישיון רשמי וסטנדרטי בקוד, אלא הפניה למסמך תנאים חיצוני של פרויקט Indic TTS המקורי. המשמעות ברורה: אסור להניח שהשימוש חופשי או מסחרי. לפני שאתם מאמנים מודל או משלבים את הנתונים במערכת כלשהי, חובה לקרוא את מסמך ה־PDF המקושר ולוודא שהתנאים של IIT Madras מאפשרים את סוג הפעילות שלכם.