Voice Cloning App

音声クローニングアプリ

人間の声を簡単に統合するためのPython/Pytorchアプリ

ドキュメント

Discordサーバー

ビデオガイド

音声共有ハブ

FAQ

システム要件

• Windows 10またはUbuntu 20.04+オペレーティングシステム
• 5GB+ディスクスペース
• 少なくとも4GBのメモリ＆ドライバーバージョン456.38+（オプション）のNVIDIA GPU

重要な機能

• 自動データセット生成（字幕とオーディオブックのサポート付き）
• 追加の言語サポート
• ローカルおよびリモートトレーニング
• 簡単な電車の開始/停止
• データインポート/エクスポート
• マルチGPUサポート

手動ガイド

• インストール
• データセットの構築
• トレーニング
• 合成
• 変更を加えます

将来の改善

• TalkNetのサポートを追加します
• Hifi-GanのGTAアライメントを追加します
• バッチサイズの推定が改善されました
• AMD GPUサポート

その他のリソース

• リモートトレーニングノートブック
• uberduck.aiとvocodesで既存の声を試してみてください
• YouTubeデータフェッチ（diskr33t＃5880によって作成）
• Colabで合成（Mega B＃6696によって作成）
• YouTube転写を生成（Mega B＃6696によって作成）
• wit.ai転写

謝辞

このプロジェクトでは、Tacotron2の再加工バージョンを使用しています。 Nvidiaに属し、BSD-3ライセンスの要件に従うためのすべての権利。

さらに、このプロジェクトでは、DSALIGN、SILERO、DEEPSPEECH、HIFI-GANを使用しています。

プロジェクト全体で彼のサポートをしてくれたクイーンズ大学ベルファストのジョン・バスタード博士に感謝します。

uberduck.aiによってサポートされているので、ライブモデルのホスティングを求めて連絡してください。

また、フィードバックをしてくれたVocalsYnthesis subredditのメンバーにも感謝します。

最後に、問題を提起し、プロジェクトに貢献しているすべての人に感謝します。