MockingBird：快速克隆自己的声音，实现文本转语音，本地安装教程

之前给大家介绍过一些克隆自己声音的工具，大部分可能是需要付费的，这次给大家介绍一个开源程序MockingBird，可以在本地安装克隆自己的声音，用自己的声音实现文本转语音功能。github项目地址：https://github.com/babysor/MockingBird，号称5秒内克隆您的声音并生成任意语音内容，下面是本地具体安装步骤。

1、安装Python

我们下载Python 3.10.11稳定版

下载到电脑上之后，双击运行安装Python，先点击勾选add python.exe to path,在点击install now安装。

2、安装PyTorch

打开pytorch官网链接：https://pytorch.org/get-started/locally/，选择适合自己的操作系统，我的是Windows系统，NVIDIA显卡选CUDA，其它显卡选CPU。然后复制下面的代码。

如果你的系统和显卡跟我一样的话，可以直接复制下面的代码：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

按键盘上的Windows+R键启动终端，在终端内鼠标右键点击，自动粘贴命令，然后回车，安装pytorch，

3、安装ffmpeg

首先打开ffmpeg官网：https://ffmpeg.org/download.html，下载对应系统的文件，这里以Windows为例

将压缩包下载到本地电脑上解压，然后打开bin文件夹，复制路径，

然后鼠标右键点击我的电脑-属性-高级系统设置-环境变量-选中Path点击编辑-新建，然后在输入框内输入上面的文件夹路径，然后确定。

这时在cmd里输入如下命令:

ffmpeg

出现ffmpeg详细信息就表示ffmpeg安装成功。

4、下载并安装MockingBird

打开MockingBird项目地址，点击绿色code按钮，点击【Download ZIP】将程序文件下载到本地电脑，如果你电脑上安装了git了，也可以通过如下命令下载：

git clone https://github.com/babysor/MockingBird.git

打开MockingBird文件夹，找到requirements.txt文件并打开，将monotonic-align==0.0.3这条数据删除“==0.0.3”，仅保留文本“monotonic-align”，保存并关闭当前文档

依次运行如下两条命令：

pip install -r requirements.txt

pip install webrtcvad-wheels

5、准备语言模型

可以自己训练，也可以下载下方别人分享的模型。

将下载的模型文件放到MockingBird根目录下data\ckpt\synthesizer文件夹内，你需要先新建synthesizer这个文件夹。

如果使用下面三个模型，你需要使用0.0.1版本才行，github里点击main按钮再点击tags,再点击v0.0.1，切换到0.0.1版本，再点击绿色code按钮，再点击download ZIP将程序文件下载下来，再依上面步骤安装v0.0.1版本。

6、启动webui

在MockingBird文件夹内上方地址栏里输入cmd回车，进入终端内输入如下命令，看到有输出URL地址信息就可以了，

python web.py

你看到的URL地址可能和我的不一样，这个不是固定的不用在意，复制你的URL到浏览器地址栏打开。在【文本内容】里输入待合成语音的文本，选择模型，点击合成按钮，右侧就会显示合成结果音频，可播放或下载。

7、启动GUI

python demo_toolbox.py

先点击按钮【Browse打开本地】选择一个音频文件，时长要短，选择synthesizer模型为75k，输入待合成语音的文本内容，点击合成按钮，导出合成后的音频。

这个软件上手还是有些难度的，不光安装麻烦，使用起来也有些麻烦，除非有这个需求，比如做解说配音或想研究代码及软件之类的，如果用的不太多还是用其它配音或是克隆声音软件简单些。有感兴趣的可以去试试。