2.4 KiB
实时语音克隆 - 中文/普通话
该库是从仅支持英语的Real-Time-Voice-Cloning 分叉出来的。
English | 中文
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, SLR68
🤩 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。 **Python 3.7 或更高版本 ** 需要运行工具箱。
2. 使用预训练好的编码器/声码器
下载以下模型，解压替换到本代码库的根目录 https://github.com/CorentinJ/Real-Time-Voice-Cloning/wiki/Pretrained-models
3. 使用 aidatatang_200zh 训练合成器
-
下载 adatatang_200zh 数据集并解压：确保您可以访问 train 文件夹中的所有 .wav
-
使用音频和梅尔频谱图进行预处理：
python synthesizer_preprocess_audio.py <datasets_root>可以传入参数 --dataset{dataset}支持 adatatang_200zh, SLR68 -
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。
4. 启动工具箱
然后您可以尝试使用工具箱：
python demo_toolbox.py -d <datasets_root>
TODO
- 添加演示视频
- 添加对更多数据集的支持
- 上传预训练模型
- 🙏 欢迎补充