منصوبے کے بارے میں

MockingBird ایک اوپن سورس وائس کلوننگ اور ٹیکسٹ ٹو اسپیچ پروجیکٹ ہے جو PyTorch پر بنایا گیا ہے۔ یہ Real-Time-Voice-Cloning کا فورک ہے، جو صرف انگریزی کو سپورٹ کرتا تھا، اور اس میں مینڈارن چینی سپورٹ شامل کی گئی ہے جسے aidatatang_200zh، magicdata، aishell3 اور data_aishell جیسے متعدد ڈیٹا سیٹس پر آزمایا گیا ہے۔ README میں بیان کردہ اہم صلاحیتیں: - حقیقی وقت میں وائس کلوننگ اور اسپیچ جنریشن، جس کا بیان کردہ ہدف ایک مختصر نمونے سے آواز کی کلوننگ ہے۔ - چینی مینڈارن سپورٹ، متعدد عوامی ڈیٹا سیٹس کے ساتھ آزمائی گئی۔ - Windows اور Linux پر چلتی ہے، اور M1 macOS کے لیے ورک اراؤنڈ ہدایات شامل ہیں۔ - ریموٹ کالز کے لیے ویب سرور موڈ (web.py)، ایک GUI ٹول باکس (demo_toolbox.py)، اور ایک کمانڈ لائن جنریٹر (gen_voice.py)۔ - انکوڈر، سنتھیسائزر اور ووکوڈر کے لیے ٹریننگ پائپ لائنز، نیز پری ٹرینڈ انکوڈر/ووکوڈر اور کمیونٹی کے شیئر کردہ سنتھیسائزر ماڈلز کو دوبارہ استعمال کرنے کے آپشنز۔ - عام مسائل کی دستاویزات جیسے VRAM کی حدود، بیچ سائز کی ٹیوننگ، ڈیٹا سیٹ لے آؤٹ اور ٹریننگ پیش رفت کی توقعات۔ README میں نوٹ کیا گیا ہے کہ ریپوزٹری کو مصنف کی جانب سے مزید فعال طور پر اپ ڈیٹ نہیں کیا جا رہا، جو ایک علیحدہ کلاؤڈ ہوسٹڈ سروس کی طرف اشارہ کرتے ہیں۔ یہ MIT لائسنس کے تحت جاری کی گئی ہے۔ پروجیکٹ متعدد تحقیقی مقالوں اور امپلیمنٹیشنز کا حوالہ دیتا ہے، جن میں SV2TTS، GlobalStyleToken، HiFi-GAN، Fre-GAN، WaveRNN، Tacotron اور GE2E شامل ہیں۔