Kategorie: Blabla

Guude!

Als Südhesse und Open-Source Sprachtechnologie-Enthusiast ist es mir eine besondere Freude ein neues Thorsten-Voice TTS Modell anzukündigen. Und zwar (bitte imaginären Trommelwirbel vorstellen 🥁):

(Süd) Hessisch als freie künstliche Stimme!

Un nadürlich gilt für des Modell des gleiche, was ach für mei annern Modelle gilt, also:

• Kost nix
• Geht uff deim lokale Kompjuter (nix mit Klaud)
• Derf von jedem frei verwend wern (offene Lizenz)

Un damit de ma a Vorstellung hast, wie des ungefähr klingt, dadefür hab ich hier e Beispiel:

Guude, dieses kleine künstliche Sprachbeispiel wurde mit meiner künstlichen Thorsten-Voice Stimme erstellt. Als Südhesse ist mir natürlich eine Ehre und eine wahre Freude eine kostenlose und ohne Internet verwendbare künstliche Stimme mit südhessischem Akzent für alle Bereitzustellen. Ich hoffe, dass ich die fertige Stimme in wenigen Tagen mit einer Anleitung, wie sie benutzt werden kann, hier bereitstellen kann. Übrigens, wer mich unterstützen möchte, der sollte meinen Jutjub (Youtube) Kanal Thorsten-Voice abonnieren, damit ich meinem Ziel, die silberne Auszeichnung für 100000 Abonnenten zu bekommen, ein Stück näher komme. Dankeschön.

Texteingabe, die mit meiner künstlichen Stimme gesprochen wurde.

Ei subba, kann ich dich unnerstütze?

Die kostenlose Spende meiner Stimme ist mir eine Freude und dies mache ich aus absoluter Überzeugung. Aber ich habe einen Wunsch, bei dem ich Hilfe brauchen könnte.
Ich hätte gerne den silbernen Youtube Playbutton, den man für 100.000 Abonnenten bekommt. Da fehlen mir aktuell noch ca. 97.000 Abos für 😆. Daher freue ich mich über jedes Abo meines „Thorsten-Voice“ Kanals.

Aber davon unabhängig freue ich mich über Feedback zu meinen künstlichen Stimmen 😊.

Das Training ist abgeschlossen und das „Paket“ gepackt ✅.

Jetzt geht es nur noch um die Veröffentlichung und dann kann meine Stimme nicht nur in der Qualität „low“ (mega schnell), „medium“ (ziemlich schnell), sondern auch in „high„, also hoher Qualität erzeugt werden 🎉.

Wie bisher auch kann die Stimme dann auch in der Smarthome / Home Automation Software „Home Assistant“ verwendet werden.

Auf einem Raspberry Pi 3 (nicht optimal dafür geeignet, der 4er ist wohl deutlich schneller), liegt der RTF Wert bei ca. 6,5. Auf meinem 5 Jahre alten Desktop PC mit Ubuntu liegt er (CPU basiert) bei ca. 0,4.

🔊 Und so klingt das ganze dann.

Wenn alles gut klappt, dann wird das Modell die nächsten Tage öffentlich sein. Viel Spaß dann damit 😊.

Feedback dazu gerne per Twitter (ja, ja ich weiß) unter @ThorstenVoice oder als Kommentar auf meinem Youtube Kanal.

Auf meinem „Thorsten-Voice“ Youtube Kanal gibt es jetzt Schritt-für-Schritt Anleitungen, wie Du meine freie, künstliche, Text-to-Speech Stimme in verschiedenen Betriebssystemen und Anwendungen verwenden kannst 🥳.

Microsoft Windows

Linux

Apple Mac OS X

Raspberry Pi

Nutzung in Home Assistant

Auch wenn ich einige Audiobeispiele meiner künstlichen Stimme hier veröffentlicht habe, möchte man „meine“ Stimme vielleicht mit eigenen Texten ausprobieren.

Daher habe ich einen Huggingspace Bereich dafür eingerichtet. Also mit eigenen Texten im Browser direkt jetzt ausprobieren.

https://huggingface.co/spaces/Thorsten-Voice/demo

Das neue ThorstenVoice Dataset ist jetzt für den freien Download verfügbar 🥳. Genau, wie die vorherigen Datensätze ist auch dieses unter der CC0 Lizenz verfügbar, damit es von jedem frei verwendet werden kann.

Wenn Du das Dataset verwendest, dann bitte nutze die folgende DOI um es zu zitieren – Vielen Dank 😊.
DOI: 10.5281/zenodo.7265581

@dataset{muller_thorsten_2022_7265581,
  author       = {Müller, Thorsten and
                  Kreutz, Dominik},
  title        = {ThorstenVoice Dataset 2022.10},
  month        = oct,
  year         = 2022,
  publisher    = {Zenodo},
  version      = {1.0},
  doi          = {10.5281/zenodo.7265581},
  url          = {https://doi.org/10.5281/zenodo.7265581}
}

Die bereits verfügbaren „Thorsten“ Tacotron2 DDC und VITS TTS-Modelle basieren auf meinem offenen und kostenfreien Sprachdatensatz, welcher in wenigen Tagen veröffentlicht wird. Der Datensatz trägt den kreativen Namen „Thorsten-22.10„.

Hier einige Beispiele von Originalaufnahmen aus dem Sprachdatensatz:

Einige Angaben zum Sprachdatensatz „Thorsten-22.10“:

Anzahl Aufnahmen	12.432
Audiodauer	11+ Stunden
Samplerate	22.050Hz
Kanäle	Mono
Normalisierung	-24dB
Sprechgeschwindigkeit (Durchschnitt)	17,5 Zeichen / Sekunde

Hier einige Beispiele einer darauf trainierten künstlichen Stimme:

Ja, ja – schön und gut, aber wo kann ich es runterladen?

Noch einen Augenblick Gedult. Der Datensatz wird die nächsten Tage veröffentlicht und der Link hier, auf meinem Twitter Account (@ThorstenVoice) und auf meinem Youtube Kanal bekanntgegeben.

Ihr habt abgestimmt und euch für „Variante 2“ entschieden. Das neue Modell ist seit heute per Coqui 🐸 TTS Version 0.8.0 direkt einsetzbar. Danke für eure Rückmeldungen und eure Unterstützung auf dem Weg zu diesem neuen Modell 😊.

Großer Dank gilt natürlich auch meinem mehrjährigen TTS-Weggefährten Dominik und allen weiteren TTS Enthusiasten 👏.

pip install TTS==0.8.0
tts-server --model_name tts_models/de/thorsten/tacotron2-DDC
http://localhost:5002

Ich bin langsam „betriebstaub“, daher brauche ich etwas hilfe von Dir. Aktuell habe ich zwei neue TTS Modelle trainiert, aber nur einer davon wird es in die Veröffentlichung schaffen.

Daher die Frage – welche Variante gefällt besser?

Variante 1

Variante 2