AI声音转换潮流 | 强力推荐!(限时特惠)

发布时间:2024-08-15 17:27:59 浏览量:160次

AI声音克隆 | 最全最简教程(限时特惠)

一直没有写过关于声音克隆的文章,所以这次补上,毕竟这个用的还真是有点多,也为后面更多的个性化配音做好准备。

TTS 的英文全名是 Text To Speech,中文译名是“文本转语音”。它是一种将文本内容转换为语音的技术,通过TTS技术,计算机可以将文字信息转换成人类可听懂的语音输出,实现语音合成的功能。

目前市场上的AI声音

我们最多用的还是普通的TTS,即把文字通过软件输出指定人的声音,这块微软做的不错,之前自己写过一个免费的TTS小软件,API用的就是微软的,如有需要,请看自己开发 一个免费的文本转语音小工具(这里插不进来链接,联系小编)。

如果你觉得功能少,可以使用国内的魔音工坊,但是要收费的哈。

但这些都不能指定声音转换,所以这里使用声音克隆,来将指定人声训练成模型,然后文字转音频。

接下来说重点声音克隆

开源项目地址:
https://github.com/fishaudio/Bert-VITS2
https://github.com/RVC-Boss/GPT-SoVITS

GPT-SoVITS是由RVC变声器的创始人(GitHub昵称为RVC-Boss)与AI音色转换技术专家Rcell合作开发的一个开源项目。它是一个跨语言音色克隆工具,专注于声音的转换和克隆。

Bert-VITS2是由社区开发者fishaudio发起的一个开源项目,它基于VITS(Variational Inference for Text-to-Speech)模型进行开发,旨在提供高质量的文本到语音(TTS)服务。

GPT-SoVITS在训练时间上具有明显的优势,因为它支持Few-shot学习,能够在短时间内(如一分钟的语音数据)训练出具有相似音色的模型。

Bert-VITS2可能需要更长的训练时间(1-4个小时)来达到高质量的语音合成效果,尤其是在数据集较大或模型较为复杂的情况下。

简单来说就是如果你需要更稳定和标准的声音,辛苦一次永久使用就选择Bert-VITS;

如果你想快速实现声音克隆,跨语言就选择 GPT-SoVITS;

这里以GPT-SoVITS为例,写一篇详细教程,因为他简单有效还节省时间,至于Bert-VITS,我感觉即使写了,他几个小时的训练时间加上大量的素材收集,许多人也没时间去尝试,效果也不一定能好很多,这里力推GPT-SoVITS!让我们开始吧!

开始前准备,注册 OpenBayes 平台账号

新用户注册 OpenBayes即可获得3小时免费RTX4090使用时长,用下方注册链接你我都可以多加一个小时免费时长哈
点击咨询

1 GPT-SoVITS一键克隆环境:

选择公共资源下的公众教程,选择 GPT-SoVITS 音频合成在线 Demo

点击右上角克隆,之后选择审核并执行,继续执行

等待几分钟, 等待数据同步成功

完成后 打开工作空间

4 打开 run.ipynb,一键运行所有单元格

5 等几秒钟运行完毕,打开输出的 public URL

6 打开音频选择数据类型

7 点击开始选练

8 等待几分钟训练时间

可以后台看到训练15epoch后训练成功,前端显示模型开始预测

4 训练填写新绑定的数据集目录

5 重复之前开头的步骤,最后我们看下效果

说中文效果

克隆李雪健-中文

说英文效果

克隆李雪健English-version

最后,这个教程看着多了点,其实可能我只是尽可能把每个步骤的图贴完整,尽量满足各种不懂编程的人都够顺利克隆声音成功

这个项目还是蛮牛皮,重点在于省时省力,简单有效,当之为当前性价比速度之神,也期待你能有更多更好玩的用处

如果是英文,建议去llElevenlabs

文章不易,如果你觉得不错,记得点个赞、在看、转发吧,感谢!

热门课程推荐

热门资讯

请绑定手机号

x

同学您好!

您已成功报名0元试学活动,老师会在第一时间与您取得联系,请保持电话畅通!
确定