Convbased
Convbased是一个高性能的中文语音合成模型，基于卷积神经网络和编码器-解码器架构设计。该模型在多个中文数据集上进行训练，支持多说话人和多方言的语音合成。
- 更快的训练收敛速度
- 更稳定的训练过程
- 更好的语音质量输出
- 支持多种中文方言（普通话、粤语、闽南语、四川话、温州话等）
- 多说话人语音合成能力
模型信息
训练规模
- 说话人数量: 476个不同说话人
- 训练时长: 35天连续训练
- 模型类型: 编码器 + 解码器架构
- 总训练数据: 约467小时高质量语音数据
模型架构
- 编码器: 基于卷积的文本编码器
- 解码器: 声学特征解码器
- 判别器: 对抗训练判别器
- 损失函数: 组合损失（Mel频谱损失 + KL散度损失 + 特征匹配损失）
训练曲线
模型训练过程中的各项损失函数变化：
判别器总损失
生成器特征匹配损失
KL散度损失
Mel频谱损失
生成器总损失
训练数据集
本模型使用以下高质量中文语音数据集进行训练：
| 数据集名称 | 时长（小时） | 描述 |
|---|---|---|
| data_aishell | 178 | 中文普通话语音识别数据集 |
| data_thchs30 | 30 | 清华大学中文语音数据集 |
| primewords_md_2018 | 178 | 中文语音合成数据集 |
| VCTK | 44 | 英文多说话人数据集 |
| 四川方言 | 4 | 四川话方言数据 |
| 闽南语 | 3 | 闽南话方言数据 |
| 粤语 | 3 | 粤语方言数据 |
| 温州方言 | 7 | 温州话方言数据 |
| 噪声 | 20 | 噪声环境语音数据 |
本模型致力于推进中文语音合成技术的发展，该底模已用于微调大部分模型于 Convbased
- Downloads last month
- 30
Inference Providers
NEW
This model isn't deployed by any Inference Provider.
🙋
Ask for provider support