MUCKYWORX // PROJECT
MuckyTTS
PROJECT

MuckyTTS

Tine-train ko ang Qwen3-TTS sa sarili kong boses at baka may lumabas pa ring Piper-TTS voice mula rito.

O sige, para sa mga hindi pa nakakaalam: Nagsulat ako ng sarili kong nobela at gusto ko itong gawan ng audio version soon. At dahil wala akong ganang basahin ulit nang malakas ang sarili kong libro, gagamit na lang ako ng sarili kong boses via Qwen3-TTS generation. Kaya kailangan ko munang i-train ang boses ko. Gamit ang Voice Chaser pipeline ko, ilang buwan ko nang tina-transcribe at nire-record ang boses ko, at ginawa ko na ring dataset ito nang sabay. Ang original na dataset ay may 67 oras na pure speaking time, at pagkatapos ng distillation – pagtanggal ng mga ingay at kung ano-ano pa – may natira pang 43 oras. Under development pa ito at tuloy-tuloy pa ang proseso, pero ipapakita ko na sa inyo ang katuwaan dito, kung saan pwede ninyong i-download ang dataset mula sa Hugging Face. 28 GB lang naman...