clone-voice web声音克隆 6569ca92c6d243bca43cda850d5ab71d

clone-voice web声音克隆

整理: No
URL: https://github.com/jianchang512/clone-voice

CV声音克隆工具

这是一个声音克隆工具,可使用任何人类音色,将一段文字合成为使用该音色说话的声音,或者将一个声音使用该音色转换为另一个声音。

使用非常简单,没有N卡GPU也可以使用,下载预编译版本,双击 app.exe 打开一个web界面,鼠标点点就能用。

支持 中文英文日语韩语 4种语言,可在线从麦克风录制声音。

为保证合成效果,建议录制时长5秒到20秒,发音清晰准确,不要存在背景噪声。

英文效果很棒,中文效果还凑合。

视频演示

Details

out.mp4

使用方法

右侧[Releases](https://github.com/jianchang512/clone-voice/releases)中下载预编译版,适用于window 10/11(已含文字到语音模型,语音到语音模型需单独下载),Mac下请拉取源码自行编译
下载后解压到某处,比如 E:/clone-voice 下
双击 start.bat ,等待自动打开web窗口,如下

请添加图片描述

输入文字或者上传想转换的音频文件,然后录制或从本地上传一段音色文件,开始转换
为减小体积,预编译版仅支持CPU,只包含文字到语音模型

如果需要语音到语音功能,即上传一个音频文件,然后将该音频转换为使用选定音色的另一个音频,需单独下载**语音到语音(speech-to-speech)模型**,然后放到和app.exe同级的tts文件夹中,右键“解压到当前文件夹下” 解压后如图

![请添加图片描述](https://img-blog.csdnimg.cn/240705e26a9a40119df1180fd3364acc.png)
如需GPU支持,请拉取源码本地编译

源码部署/以window为例,其他类似

  1. 要求 python 3.9+
  2. 创建空目录,比如 E:/clone-voice
  3. 创建虚拟环境 python -m venv venv
  4. 激活环境 cd venv/scripts,activate,cd ../..
  5. 安装依赖 CPU版: pip install -r requirements.txt, GPU版:pip install -r requirements-gpu.txt
  6. 解压 ffmpeg.7z 到项目根目录
  7. 下载模型 文字到语音(text-to-speech)模型语音到语音(speect-to-speech)模型 到项目目录下的tts文件中,然后解压到当前文件夹
  8. 启动 python app.py

模型下载

语音到语音模型(speech-to-speech)百度网盘下载 链接:[https://pan.baidu.com/s/1vIYzxnlmx2_4prahufoEEw?pwd=hgh2](https://pan.baidu.com/s/1vIYzxnlmx2_4prahufoEEw?pwd=hgh2) 提取码:hgh2 从github下载: [https://github.com/jianchang512/clone-voice/releases/tag/v0.0.1](https://github.com/jianchang512/clone-voice/releases/tag/v0.0.1) 解压后
文字到语音模型(text-to-speech)百度网盘下载(预编译版已包含该模型) 链接:[https://pan.baidu.com/s/1LA3JFIb0MnCgoF0Q1sW5dQ?pwd=5k7c](https://pan.baidu.com/s/1LA3JFIb0MnCgoF0Q1sW5dQ?pwd=5k7c) 提取码:5k7c 从github下载: [https://github.com/jianchang512/clone-voice/releases/tag/v0.0.1](https://github.com/jianchang512/clone-voice/releases/tag/v0.0.1) 解压后
预编译版下载(已包含text-t-speech文字到语音模型) 点击右侧 Releases,下载最新版本

注意事项

启动后需要冷加载模型,会消耗一些时间,请耐心等待显示出`http://127.0.0.1:9988`, 并自动打开浏览器页面后,稍等两三分钟后再进行转换
功能有:

```
 文字到语音:即输入文字,用选定的音色生成声音,这个功能预编译已包含模型,开箱即用。
 语音到语音:即从本地选择一个音频文件,用选定的音色生成另一个音频文件,为减小预编译版体积,没有包含在内,需要单独下载模型,放在app.exe 同目录下的tts文件夹中,解压到当前文件夹下,解压后会多两个文件夹,`voice_conversion_models--multilingual--vctk--freevc24`和`wavlm`,请确保位置正确

```
如果打开的cmd窗口很久不动,需要在上面按下回车才继续输出,请在cmd左上角图标上单击,选择“属性”,然后取消“快速编辑”和“插入模式”的复选框

![请添加图片描述](https://img-blog.csdnimg.cn/ab2038009b8648a9bfc16775fa0a8077.png)

                                      ![请添加图片描述](https://img-blog.csdnimg.cn/a384566ea4874762808b992a3464bbdb.png)

猜你喜欢

转载自blog.csdn.net/weixin_42452716/article/details/134643318
今日推荐