xtts-french-voice-cloning-optimized

XTTS French Voice Cloning - Optimized Model

Modèle XTTS v2 optimisé pour le clonage de voix en français.

Résultats d'Entraînement

Comparaison avec Baseline

Ce modèle est 6x plus performant que le baseline (50 epochs, loss 0.102).

Utilisation

import torch
from TTS.tts.configs.xtts_config import XttsConfig
from TTS.tts.models.xtts import Xtts

# Charger la configuration
config = XttsConfig()
config.load_json("config.json")

# Charger le modèle
model = Xtts.init_from_config(config)
model.load_checkpoint(
    config,
    checkpoint_path="best_model.pth",
    vocab_path="vocab.json",
    eval=True,
    use_deepspeed=False
)

# Générer de l'audio
if torch.cuda.is_available():
    model.cuda()

outputs = model.synthesize(
    "Votre texte ici",
    config,
    speaker_wav="path/to/reference_audio.wav",
    language="fr",
    gpt_cond_len=6,
    temperature=0.75,
)

Configuration Matérielle

• GPU: NVIDIA RTX 4090 (24 GB VRAM)
• CPU: Intel Xeon (32 cores)
• RAM: 62 GB

Environnement

• PyTorch: 2.5.1+cu118
• TTS: 0.22.0
• CUDA: 11.8
• Python: 3.11

Fichiers Inclus

• best_model.pth (5.3 GB) - Poids du modèle optimisé
• config.json - Configuration du modèle
• vocab.json - Vocabulaire du tokenizer
• dvae.pth - DVAE checkpoint
• mel_stats.pth - Statistiques de normalisation

License

Apache 2.0