Kyubyong/speaker_adapted_tts

事前学習済みのTTSモデルを利用し、わずか1分程度の音声サンプルで話者適応を行う実験プロジェクトです。約10分のファインチューニングで、Nick Offerman、Kate Winslet、Modern Family出演者などの声を再現する結果を紹介しています。モデルの詳細や実装、事前学習済みモデルは関連リポジトリのDCTTSで提供されています。