Repolode
投稿する
fishaudio

fishaudio/Bert-VITS2

合成音声の韻律と発音を改善するため、多言語BERTを取り入れたVITS2ベースの音声合成プロジェクトです。

GitHub で見る
スター
8,801
フォーク
1,307
未解決の Issue
2
最終コミット
5 日前

これは何？

Bert-VITS2は、VITS2アーキテクチャをベースにした音声合成プロジェクトです。多言語BERTモデルから得たテキスト特徴量をVITS2のバックボーンに入力し、合成音声の韻律や発音をより自然にすることを目指しています。

リポジトリには前処理と学習のワークフローが用意されており、Web UIのエントリーポイントである（webui_preprocess.py）が、使い始める際の手引きになっています。中核となる手法はMassTTSプロジェクトに基づいており、vits、vits2_pytorch、so-vits-svcなどの関連プロジェクトも参照されています。

メンテナーによると、このプロジェクトは現在積極的にメンテナンスされておらず、現行の自己回帰型TTSを使いたい場合は、後継プロジェクトのFish-Speechを推奨しています。

主な機能

  • 01音声合成にVITS2と多言語BERTのテキスト特徴量を組み合わせます。
  • 02WebUIベースの前処理・学習ワークフローを提供します。
  • 03VITS2のバックボーンにボコーダーを組み合わせています。
  • 04ソースコードはAGPL-3.0でライセンスされています。

ユースケース

  • 自分で録音した音声データを使って、カスタム音声モデルを学習する。
  • BERTのテキスト埋め込みをVITS系のTTSモデルに組み込む方法を調べる。
  • 中国語や多言語の音声合成パイプラインを試す。

使う前に知っておきたいこと

  • このプロジェクトは、強いコピーレフト条項を持つAGPL-3.0ライセンスで公開されています。
  • READMEには、当面はメンテナンスを行わず、代わりにFish-Speechを推奨すると記載されています。
  • READMEでは、政治目的での利用、および中国の法律に違反する活動への利用を禁止しています。

収録されている特集

AI 動画・音声ツール

トピック

#tts#text-to-speech#vits#bert#speech-synthesis#voice-cloning#deep-learning#agent#bert-vits#bert-vits2

よくある質問

Bert-VITS2 とは？
合成音声の韻律と発音を改善するため、多言語BERTを取り入れたVITS2ベースの音声合成プロジェクトです。 Bert-VITS2は、VITS2アーキテクチャをベースにした音声合成プロジェクトです。多言語BERTモデルから得たテキスト特徴量をVITS2のバックボーンに入力し、合成音声の韻律や発音をより自然にすることを目指しています。
Bert-VITS2 は無料で使えますか？ライセンスは？
Bert-VITS2 は AGPL-3.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
Bert-VITS2 は今もメンテナンスされていますか？
活発にメンテナンス中。Bert-VITS2 の最終コミットは 2026年11月2日 です。
Bert-VITS2 は何に使えますか？
自分で録音した音声データを使って、カスタム音声モデルを学習する。 BERTのテキスト埋め込みをVITS系のTTSモデルに組み込む方法を調べる。 中国語や多言語の音声合成パイプラインを試す。
Bert-VITS2 はどこで入手できますか？
ソースコードとインストール手順は GitHub にあります：https://github.com/fishaudio/Bert-VITS2

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト