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。

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

🤩 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

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。

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）
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, magicdata

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\

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。

然后您可以尝试使用工具箱： python demo_toolbox.py -d <datasets_root>

Good news🤩: 可直接使用中文