3行代码让维吾尔语文本开口说话维吾尔语TTS模型 mms-tts-uig-script_arabic-UQSpeech 实战入门【免费下载链接】mms-tts-uig-script_arabic-UQSpeech项目地址: https://ai.gitcode.com/hf_mirrors/ixxan/mms-tts-uig-script_arabic-UQSpeechmms-tts-uig-script_arabic-UQSpeech 是基于 Facebook MMS-TTS 微调的开源维吾尔语 TTS文本转语音模型把维吾尔语阿拉伯文文本转成 16kHz 语音。适合想给产品加上维吾尔语语音能力的开发者从安装到出第一句音大约 5 分钟。它能解决什么问题如果你在开发维吾尔语语音助手需要能真正出声的维吾尔语音频合成能力但开源选择很少通用多语言模型对维吾尔语支持不佳如果你要做民族语言教育音频、有声读物或无障碍工具不可能全靠人工录音需要一个可直接调用的模型如果你在评估一条语音链路想先快速验证维吾尔语文本转语音的可行性现成模型比从头训练省事得多。快速认识这个项目架构VITS 架构一种端到端语音合成模型一步出波形不用单独配声码器语言面向维吾尔语阿拉伯文书写词汇表只有 41 个字符轻量输出16kHz 采样率波形与常见语音识别输入规格一致集成标准 Hugging Face Transformers 格式from_pretrained直接加载部署模型权重、配置、词表全在一个目录里无额外服务依赖适合本地与边缘设备。开始之前环境安装步骤最低环境Python 3.8、pip、约 500MB 磁盘。安装依赖pip install transformers torch soundfile一行装齐推理所需的三个库。获取模型文件git clone https://gitcode.com/hf_mirrors/ixxan/mms-tts-uig-script_arabic-UQSpeech cd mms-tts-uig-script_arabic-UQSpeech克隆后的目录包含 model.safetensors权重、config.json模型配置、vocab.json字符词汇表已经完整可用。第一次上手维吾尔语语音合成最短脚本新建tts_demo.py粘贴以下代码from transformers import VitsModel, AutoTokenizer import soundfile as sf model VitsModel.from_pretrained(.) # 从当前目录加载模型 tokenizer AutoTokenizer.from_pretrained(.) text ياخشىمۇسىز # 维吾尔语你好 inputs tokenizer(text, return_tensorspt) outputs model(**inputs) # 直接输出波形张量 sf.write(output.wav, outputs.audio[0].numpy(), samplerate16000)输入是一句维吾尔语文本输出是当前目录下的output.wav执行python tts_demo.py后播放即可听到合成语音。深度调优VITS TTS 关键参数模型默认行为定义在 config.json 中推理时可临时覆盖speaking_rate默认 1.0控制语速。调用模型时传speaking_rate1.2可提速 20%传 0.8 放慢noise_scale默认 0.667控制韵律多样性值越大语气变化越多过大则不稳noise_scale_duration默认 0.8控制音节时长波动节奏偏机械时可适当调大。注意 config.json 中num_speakers为 1即单说话人微调模型不能切换音色。数据与许可模型基于 facebook/mms-tts 在维吾尔语语音数据集 ixxan/mms-tts-uig-script_arabic-UQSpeech 上微调得到训练代码见仓库 README 指向的 ixxan/ug-speech 项目。许可协议为 CC-BY-NC-4.0科研与非商业场景可自由使用商业产品使用前需另行确认授权条款。避坑指南现象合成英文、中文内容不出声或发音怪异→ 原因词表只收录维吾尔语阿拉伯文字母、少量数字及空格、连字符其余字符落入unk不被发音 → 解决输入保持维吾尔语阿拉伯文 UTF-8 文本并对照 vocab.json 检查用字范围。现象模型加载和首次推理很慢→ 原因默认 CPU 加 float32 精度运行 → 解决有 GPU 时改用VitsModel.from_pretrained(., device_mapauto)加载。现象音频尾部多一段静音→ 原因模型以字符ى作为 pad填充标记推理时文本末尾会带上一个 → 解决属正常现象可用 soundfile 检测尾部静音后裁掉。下一步想在这套模型上继续定制可从仓库 README 指向的微调项目入手或查阅 Hugging Face Transformers 官方文档中 VitsModel 的生成参数说明遇到问题可先在仓库 issue 区检索同类提问再向社区发问。【免费下载链接】mms-tts-uig-script_arabic-UQSpeech项目地址: https://ai.gitcode.com/hf_mirrors/ixxan/mms-tts-uig-script_arabic-UQSpeech创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考