Python 人工智能 5秒钟偷走你的声音

Python 人工智能 5秒钟偷走你的声音

介绍

Python 深度学习AI - 声音克隆、声音模仿，是一个三阶段的深度学习框架，允许从几秒钟的音频中创建语音的数字表示，并用它来调节文本到语音模型，该模型经过培训，可以概括到新的声音。

环境准备与安装

原始英文版地址：

github.com/CorentinJ/R…

中文二次开发版（本文使用该版本）：

github.com/babysor/Moc…

pycharm环境下载：

www.jetbrains.com/pycharm/dow…

conda虚拟环境：

www.anaconda.com/products/in…

FFmpeg ：

github.com/BtbN/FFmpeg…

模型文件：

pan.baidu.com/s/1PI-hM3sn… 提取码 2021

在电脑系统上安装 FFmpeg 工具

下载zip压缩包连接为：github.com/BtbN/FFmpeg…

下载完成后将其解压到一个目录后在系统的环境变量中添加该目录

图片

打开新的cmd中查看是否安装成功

ffmpeg -version

图片

使用打开项目目录后，创建时使用conda的Python 3.9虚拟环境

图片

创建完成后，在cmd中查看现有的虚拟环境，并进入刚刚创建的虚拟环境

conda env list

activate pythonProject1

图片

进入环境后在进行安装pip所需依赖，并使用国内源进行安装实现下载加速

pip install -r requirements.txt -i pypi.tuna.tsinghua.edu.cn/simple

图片

在虚拟环境下安装pytorch

pip install torch  -i pypi.tuna.tsinghua.edu.cn/simple

图片

回到pycharm中，将模型导入到项目目录下，把目录复制黏贴到项目中

图片

修改一行代码，在 synthesizer/utils/symbols.py 文件中

修改为：
_characters = 'ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz12340!'(),-.:;? '
复制代码

图片

之后在terminal中启动工具箱

图片

使用音频合成工具箱

图片