MockingBird/README-CN.md

2.4 KiB
Raw Blame History

实时语音克隆 - 中文/普通话

WechatIMG2968

MIT License

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。

  • 安装 PyTorch
  • 安装 ffmpeg
  • 运行pip install -r requirements.txt 来安装剩余的必要包。

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