---
license: mit
language:
- ja
datasets:
- Akjava/ja005_speech_common-voice_22khz
---

**モデル名:**  Matcha-TTS-Japanese Single Speaker Female Voice - ja005

**バージョン:** ver1.0

**作成者:** Akihito Miyazaki

**作成日:** 2024.Sep

**モデルの説明:**

このモデルは、Matcha-TTS-Japaneseを用いて、日本語の女性音声合成を行うための、話者１人のモデルです。コモンボイスから作られた ja005 の音声を再現することを目的としています。

**データセット:**

* ja005_speech_common-voice_22khz - Large

**トレーニング方法:**

* ベースモデル: Matcha_LJSpeech
* トレーニング/検証データ分割: モーラバランスV1と文字長さに基づく80:20分割
* バッチサイズ: 80
* エポック数: [エポック数] (例: 12099)
* その他トレーニング設定: デフォルト
* [トレーニング中に発生した問題点や対処法] (例: バッチサイズによるフリーズ, ロボット音声, 特定音素の学習不足)

**モデルの性能:**

* [モデルの強み] (例: 特定話者の音声を再現, 音素の正確な再現)
* [モデルの弱点] (例: イントネーションの不安定さ, ノイズ, 学習データにない音素の発音)
* [客観的な評価指標] (例: MOS値, MCD値)
* [主観的な評価結果] (例: 複数の話者の評価結果, 各話者の音声品質に関するコメント)

**使用例:**

* [モデルの用途] (例: 音声合成アプリケーション, 研究用途, ファインチューニング用ベースモデル)
* [モデルの使用上の注意点] (例: 特定の音素の発音に課題, イントネーションの調整が必要)

**重要なチェックポイント:**

* [チェックポイント番号]: [チェックポイントの説明] (例: 5709 - 最新, 5574 - group003f-CL-V1の最終)

**既知の問題点/警告:**

* [モデルの既知の問題点] (例: 特定音素の発音, イントネーション, ノイズ)
* [モデルの使用に関する警告] (例: 学習データ以外の音声合成は精度が低い可能性)

**今後の課題:**

* [モデルの改善点] (例: イントネーションの改善, ノイズ除去, 学習データの拡充)

**クレジット:**

* [使用したベースモデルの作成者] (例: Shivam Mehta (GitHub) - Matcha-TTS)
* [使用したデータセットの作成者] (例: Mozilla Common Voice)

**引用情報:**

* [モデルの引用方法] (例: モデル名, バージョン, 作成者, URL)

**その他:**

* [モデルに関する補足情報] (例: 内部コードネーム, TODOリスト)


**注記:**

* 上記はあくまで提案であり、必要に応じて項目の追加や削除、内容の変更を行ってください。
* モデルの特性に合わせて、具体的な内容を記述してください。
* 評価結果などを含めることで、より詳細なモデルカードを作成できます。 


## Train
- Base model:Matcha_LJSpeech
- The train and valid split is based on mora balance-V1 and word length.