动手练习

在本单元中，我们探索了文本到语音的音频任务，讨论了现有的数据集、预训练模型以及为新语言微调 SpeechT5 的细微之处。

正如你所看到的，在低资源场景中，为文本到语音任务微调模型可能具有挑战性。 同时，评估文本到语音模型也不容易。

由于这些原因，这个动手练习将侧重于练习技能，而不是实现某个指标值。

你在这个任务中的目标是在你选择的数据集上微调 SpeechT5。 你可以自由地从相同的 voxpopuli 数据集中选择另一种语言，或者你可以选择本单元中列出的任何其他数据集。

请注意训练数据的大小！ 对于在 Google Colab 的免费层 GPU 上进行训练，我们建议将训练数据限制在约 10-15 小时。

完成微调过程后，通过将其上传到 Hub 来分享你的模型。 确保使用适当的 kwargs 或在 Hub UI 中将你的模型标记为文本到语音模型。

请记住，本练习的主要目的是为你提供充分的练习，使你能够磨练你的技能并更深入地理解文本到语音的音频任务。

< > 在 GitHub 上更新