shivammehta25/Matcha-TTS

What it solves

Matcha-TTS は ODE ベースの音声合成における速度と効率の課題を解決します。高速に高度に自然な音声を生成しながら、コンパクトなメモリフットプリントを維持する非自己回帰型ニューラルテキスト音声合成（TTS）システムを提供します。

How it works

システムは条件付きフローマッチング（rectified flows に類似）を利用して合成プロセスを加速します。確率的モデルであり、ONNX にエクスポートして最適化推論が可能です。メルスペクトログラムとして単体で波形を生成するか、グラフ内にボコーダを組み込んでエンドツーエンド音声を生成できます。

Who it’s for

このプロジェクトは、カスタムデータセット（例：LJ Speech）での高速かつ高品質な TTS エンジンの訓練と、CLI、Gradio アプリ、ONNX runtime を通じたデプロイが必要な音声合成の開発者・研究者向けに設計されています。

Highlights

• Fast Synthesis: Optimized for speed using conditional flow matching.
• ONNX Support: Ability to export checkpoints to ONNX for efficient cross-platform inference.
• Custom Training: Full pipeline provided for training on personal datasets, including normalization statistics generation.
• Flexible Inference: Supports adjustable speaking rate, sampling temperature, and ODE solver steps via CLI.