Voice Cloning App

语音克隆应用

Python/Pytorch应用程序，用于轻松合成人类声音

文档

Discord服务器

视频指南

声音共享集线器

常见问题解答

系统要求

• Windows 10或Ubuntu 20.04+操作系统
• 5GB+磁盘空间
• NVIDIA GPU至少具有4GB的内存和驱动程序版本456.38+（可选）

关键功能

• 自动数据集生成（支持字幕和有声读物）
• 其他语言支持
• 本地和远程培训
• 轻松的火车开始/停止
• 数据导入/导出
• 多GPU支持

手动指南

• 安装
• 构建数据集
• 训练
• 合成
• 进行更改

未来的改进

• 添加对TalkNet的支持
• 添加hifi-gan的GTA对齐
• 改进的批量估计
• AMD GPU支持

其他资源

• 远程培训笔记本
• 在Uberduck.ai和Vocodes上尝试现有声音
• YouTube数据获取（由diskr33t＃5880创建）
• 在COLAB中合成（由Mega B＃6696创建）
• 生成YouTube转录（由Mega B＃6696创建）
• wit.ai转录

致谢

该项目使用tacotron2的重新设计版本。所有权利属于NVIDIA，并遵循其BSD-3许可证的要求。

此外，该项目还使用Dsalign，Silero，Deepspeech和Hifi-Gan。

感谢贝尔法斯特皇后大学（Queen's University）的约翰·布斯塔德（John Bustard）博士在整个项目中的支持​​。

在Uberduck.ai的支持下，请与他们联系，以进行现场模型托管。

也要非常感谢Vocalsynesis Subreddit的反馈。

最终感谢每个人提出问题并为该项目做出贡献。