Kategorie: Blabla

Ich durfte als Sprecher oder neudeutsch „Speaker“ beim 109ten Webmontag in Frankfurt am 08.05.2023 auftreten. Den Auftritt gibt’s zum Nachschauen auf Youtube.

Dort sprach ich über die Vorteile von freien, Open-Source künstlichen TTS-Stimmen und stelle Motivation und Ziele meines „Thorsten-Voice“ Projektes vor.

❤️ Dank an die Organisatoren vom Webmontag Frankfurt 😊.

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

Im Artikel „Die eigene Stimme als TTS-Modell“ von Golem.de wird der Ablauf zur Erzeugung einer eigenen TTS-Stimme beschrieben. Als Vorlage dient die Erzeugung meiner Thorsten-Voice Stimme. Ich möchte diese Gelegenheit nutzen, um tiefer in meine persönlichen Erfahrungen einzutauchen und einige Einblicke zu teilen, die im ursprünglichen Artikel nicht enthalten waren.

Der Anstoß

Meine Faszination für Text-to-Speech (TTS) Technologie begann schon vor einiger Zeit. Als ich von der Möglichkeit hörte, eine eigene, personalisierte Stimme zu erstellen, war ich sofort Feuer und Flamme. Der Gedanke, dass meine eigene Stimme digitalisiert und für verschiedene Anwendungen genutzt werden könnte, war gleichermaßen aufregend wie herausfordernd.

Der Prozess

Der Weg zur Thorsten-Voice war keineswegs einfach. Es begann mit stundenlangen Aufnahmesessions, in denen ich zahlreiche Sätze und Phrasen einsprach. Die Herausforderung bestand darin, konsistent zu bleiben – in Tonlage, Geschwindigkeit und Aussprache. Oft musste ich Passagen wiederholen, weil sich ein Räuspern eingeschlichen hatte oder die Betonung nicht stimmte.

Nach den Aufnahmen folgte die technische Verarbeitung. Hier zeigte sich, wie komplex die Erstellung eines TTS-Modells tatsächlich ist. Das Training des Modells nahm mehrere Tage in Anspruch, währenddessen mein Computer ununterbrochen arbeitete.

Fazit

Die Erstellung der Thorsten-Voice war eine lehrreiche und spannende Erfahrung. Sie hat mir nicht nur technisches Wissen vermittelt, sondern auch einen neuen Blick auf die Einzigartigkeit der menschlichen Stimme gegeben. Ich kann jeden, der sich für TTS-Technologie interessiert, nur ermutigen, sich an einem solchen Projekt zu versuchen. Es ist faszinierend, herausfordernd und überaus lohnend.

JAHRE der Passion für offene Sprachtechnologien,
MONATE Aufnahmesessions am Mikrofon,
WOCHEN Rechenzeit für das Modell Training,
TAGE für die Audio Optimierung,
STUNDEN der Verzweiflung.

All dies, für den EINEN MOMENT, die nächste Version der offenen, künstlichen, deutschen, offline-fähigen „Thorsten-Voice“ mit Euch zu teilen!

Die neue Version basiert auf einem komplett neu aufgenommen Sprachdatensatz (Thorsten-22.05-neutral).

Es wurde mit Coqui 🐸 TTS erstellt und es handelt sich um ein VITS Modell (nur als Info für die TTS-Insider).

tl;dr

- pip install tts==0.7.1
- tts-server --model_name tts_models/de/thorsten/vits
- Open webbrowser on http://localhost:5002

Jetzt wünschen wir euch viel Spaß
🗣️🎉😄

Dominik & Thorsten

Das neue Modell ist noch nicht verfügbar.

Gesprochen wird der Satz:

Dieser Satz dient als Vergleich zwischen dem bestehenden Thorsten Modell und dem Modell, welches aktuell noch erarbeitet wird.