AI越来越强大,不仅能模仿别人的表情,还能模仿别人说话的声音和语气,以后电话听到好友的声音也有可能不是本人哦,今天小编来讲讲一个实时声音克隆库Real-Time-Voice-Cloning
github地址为:https://github.com/CorentinJ/Real-Time-Voice-Cloning
该库是使用谷歌的开源声音处理算法(SV2TTS)实现。
SV2TTS是一个三阶段的深度学习框架,它允许从几秒钟的音频中创建语音的数字表示,并使用它来调节经过训练的文本到语音模型,以生成到新的语音。
如果您只想克隆您的声音(而不是其他人的声音):我建议在Resemble.AI上使用免费计划。
首先,因为您将获得更好的语音质量和更少的韵律错误,其次,因为它不需要像此回购协议那样的复杂设置。
具体的步骤
一、安装要求
需要Python/ target=_blank class=infotextkey>Python 3.6或3.7才能运行该工具箱。
安装PyTorch(> = 1.0.1)。
安装ffmpeg。
运行pip install -r requirements.txt以安装其余必需的软件包。
二、下载预训练的模型
下载地址:https://github.com/CorentinJ/Real-Time-Voice-Cloning/wiki/Pretrained-models
三、(可选)测试配置
在下载任何数据集之前,您可以使用以下方法测试配置:
python demo_cli.py
如果所有测试都通过,那您就很好了。
四、(可选)下载数据集
对于仅使用工具箱的情况,我只建议下载LibriSpeech/train-clean-100。下载地址:http://www.openslr.org/resources/12/train-clean-100.tar.gz,提取内容<datasets_root>/LibriSpeech/train-clean-100这里<datasets_root>是你选择的目录。工具箱中支持其他数据集,请参见此处。您可以自由地不下载任何数据集,但是您将需要自己的数据作为音频文件,或者必须在工具箱中记录下来。
五、启动工具箱
然后,您可以尝试使用工具箱:
python demo_toolbox.py -d <datasets_root>
要么
python demo_toolbox.py
取决于您是否下载了任何数据集。如果您正在运行X服务器或出现错误Aborted (core dumped)
这个就是操作界面了,先录音然后输入文字就可以模仿别人的声音说话了
六、启用GPU支持
注意:启用GPU支持是很多工作。如果您要训练自己的模型,则需要进行设置。有人花时间为如何安装所有内容提供了更好的指南。我建议使用它。
此命令将安装其他GPU依赖项和推荐的软件包: pip install -r requirements_gpu.txt
此外,您需要确保正确安装了GPU驱动程序,并且您的CUDA版本与PyTorch和Tensorflow安装相匹配。