ayousanz / piper-plus-tsukuyomi-chan

Piper Plus つくよみちゃん (WavLM + Prosody)

つくよみちゃんコーパス を使用してファインチューニングした日本語TTSモデルです。

WavLM Discriminatorとprosody features (A1/A2/A3)に対応しています。

Sample Audio

Model Details

Usage

推論（テキスト直接入力）

CUDA_VISIBLE_DEVICES="" uv run python -m piper_train.infer_onnx \
  --model tsukuyomi-wavlm-300epoch.onnx \
  --config config.json \
  --output-dir ./output \
  --text "こんにちは、今日は良い天気ですね。" \
  --speaker-id 0 \
  --noise-scale 0.5

推奨推論パラメータ

Training

ベースモデル

ayousanz/piper-plus-base のWavLM版ベースモデルからファインチューニング。

学習コマンド

NCCL_DEBUG=WARN NCCL_P2P_DISABLE=1 NCCL_IB_DISABLE=1 \
uv run python -m piper_train \
  --dataset-dir /path/to/dataset \
  --prosody-dim 16 \
  --accelerator gpu --devices 4 --precision 16-mixed \
  --max_epochs 300 --batch-size 32 --checkpoint-epochs 50 \
  --base_lr 1e-4 --disable_auto_lr_scaling \
  --ema-decay 0.9995 --num-workers 0 --no-pin-memory \
  --resume_from_checkpoint /path/to/base_model.ckpt \
  --default_root_dir /path/to/output

Files

• tsukuyomi-wavlm-300epoch.onnx - ONNXモデル (61MB)
• config.json - モデル設定（phoneme_id_map含む）
• samples/ - サンプル音声

Credits

• つくよみちゃんコーパス : 夢前黎
• Piper TTS : rhasspy/piper

License

ライセンスは、 つくよみちゃんコーパス│声優統計コーパス（JVSコーパス準拠） に準じます