MockingBird/README-CN.md

73 lines
3.7 KiB
Markdown
Raw Normal View History

2021-08-07 11:56:00 +08:00
## 实时语音克隆 - 中文/普通话
![WechatIMG2968](https://user-images.githubusercontent.com/7423248/128490653-f55fefa8-f944-4617-96b8-5cc94f14f8f6.png)
[![MIT License](https://img.shields.io/badge/license-MIT-blue.svg?style=flat)](http://choosealicense.com/licenses/mit/)
> 该库是从仅支持英语的[Real-Time-Voice-Cloning](https://github.com/CorentinJ/Real-Time-Voice-Cloning) 分叉出来的。
### [English](README.md) | 中文
2021-08-24 00:03:13 +08:00
### [DEMO VIDEO](https://www.bilibili.com/video/BV1sA411P7wM/)
2021-08-07 11:56:00 +08:00
## 特性
🌍 **中文** 支持普通话并使用多种中文数据集进行测试adatatang_200zh, magicdata
2021-08-07 11:56:00 +08:00
🤩 **PyTorch** 适用于 pytorch已在 1.9.0 版本(最新于 2021 年 8 月中测试GPU Tesla T4 和 GTX 2060
🌍 **Windows + Linux** 在修复 nits 后在 Windows 操作系统和 linux 操作系统中进行测试
🤩 **Easy & Awesome** 仅使用新训练的合成器synthesizer就有良好效果复用预训练的编码器/声码器
## 快速开始
### 1. 安装要求
> 按照原始存储库测试您是否已准备好所有环境。
2021-08-16 09:29:50 +08:00
**Python 3.7 或更高版本** 需要运行工具箱。
2021-08-07 11:56:00 +08:00
* 安装 [PyTorch](https://pytorch.org/get-started/locally/)。
2021-08-23 09:16:35 +08:00
> 如果在用 pip 方式安装的时候出现 `ERROR: Could not find a version that satisfies the requirement torch==1.9.0+cu102 (from versions: 0.1.2, 0.1.2.post1, 0.1.2.post2)` 这个错误可能是 python 版本过低3.9 可以安装成功
2021-08-07 11:56:00 +08:00
* 安装 [ffmpeg](https://ffmpeg.org/download.html#get-packages)。
* 运行`pip install -r requirements.txt` 来安装剩余的必要包。
* 安装 webrtcvad 用 `pip install webrtcvad-wheels`
2021-08-07 11:56:00 +08:00
### 2. 使用数据集训练合成器
2021-08-16 09:29:50 +08:00
* 下载 数据集并解压:确保您可以访问 *train* 文件夹中的所有音频文件(如.wav
2021-08-07 11:56:00 +08:00
* 使用音频和梅尔频谱图进行预处理:
`python synthesizer_preprocess_audio.py <datasets_root>`
2021-08-25 23:14:30 +08:00
可以传入参数 --dataset `{dataset}` 支持 adatatang_200zh, magicdata, aishell3
2021-08-16 11:24:06 +08:00
> 假如你下载的 `aidatatang_200zh`文件放在D盘`train`文件路径为 `D:\data\aidatatang_200zh\corpus\train` , 你的`datasets_root`就是 `D:\data\`
2021-08-07 11:56:00 +08:00
2021-08-23 15:37:16 +08:00
>假如發生 `頁面文件太小,無法完成操作`,請參考這篇[文章](https://blog.csdn.net/qq_17755303/article/details/112564030)將虛擬內存更改為100G(102400),例如:档案放置D槽就更改D槽的虚拟内存
2021-08-07 11:56:00 +08:00
* 预处理嵌入:
`python synthesizer_preprocess_embeds.py <datasets_root>/SV2TTS/synthesizer`
* 训练合成器:
`python synthesizer_train.py mandarin <datasets_root>/SV2TTS/synthesizer`
* 当您在训练文件夹 *synthesizer/saved_models/* 中看到注意线显示和损失满足您的需要时,请转到下一步。
> 仅供参考,我的注意力是在 18k 步之后出现的,并且在 50k 步之后损失变得低于 0.4
![attention_step_20500_sample_1](https://user-images.githubusercontent.com/7423248/128587252-f669f05a-f411-4811-8784-222156ea5e9d.png)
![step-135500-mel-spectrogram_sample_1](https://user-images.githubusercontent.com/7423248/128587255-4945faa0-5517-46ea-b173-928eff999330.png)
### 2.2 使用预先训练好的合成器
> 实在没有设备或者不想慢慢调试,可以使用网友贡献的模型(欢迎持续分享):
2021-08-23 15:37:16 +08:00
| 作者 | 下载链接 | 效果预览 |
| --- | ----------- | ----- |
2021-08-24 00:03:13 +08:00
|@miven| https://pan.baidu.com/s/1PI-hM3sn5wbeChRryX-RCQ 提取码2021 | https://www.bilibili.com/video/BV1uh411B7AD/(暂时不可访问)
2021-08-07 11:56:00 +08:00
### 3. 启动工具箱
2021-08-07 11:56:00 +08:00
然后您可以尝试使用工具箱:
`python demo_toolbox.py -d <datasets_root>`
2021-08-16 22:22:55 +08:00
> Good news🤩: 可直接使用中文
## TODO
- [X] 允许直接使用中文
2021-08-16 09:29:50 +08:00
- [X] 添加演示视频
- [X] 添加对更多数据集的支持
- [X] 上传预训练模型
- [ ] 支持parallel tacotron
- [ ] 服务化与容器化
2021-08-16 09:29:50 +08:00
- [ ] 🙏 欢迎补充