xtts2 ui

XTTS-2-UI：XTTTS-2基于文本语音克隆的用户界面

该存储库包含仅使用文本和目标语音的10秒音频示例克隆任何语音的基本代码。 XTTS-2-UI易于设置和使用。示例结果？

用16种语言工作，并具有内部的语音录制/上传。注意：不要指望El级别的质量，还没有。

模型

使用的模型是tts_models/multilingual/multi-dataset/xtts_v2 。有关更多详细信息，请参阅拥抱面-XTTS-V2及其特定版本XTTS-V2版本2.0.2。

目录

• XTTS-2-UI：XTTTS-2基于文本语音克隆的用户界面
  • 模型
  • 目录
  • 设置
  • 推理
  • 目标声音数据集
  • 示例音频示例：
  • 语言支持
  • 笔记
  • 学分

设置

要设置此项目，请在终端中按照以下步骤操作：

1. 克隆存储库

   • 将存储库克隆到您的本地计算机。

     git clone https://github.com/pbanuru/xtts2-ui.git
     cd xtts2-ui

2. 创建虚拟环境：

   • 运行以下命令创建Python虚拟环境：

     python -m venv venv

   • 激活虚拟环境：

     • 视窗：

        # cmd prompt
       venv S cripts a ctivate

       或者

        # git bash
       source venv/Scripts/activate

     • Linux/Mac：

        source venv/bin/activate

3. 安装Pytorch：

   • 如果您具有启用NVIDIA CUDA的GPU，请选择适当的Pytorch安装命令：
     • 在安装Pytorch之前，通过运行检查您的CUDA版本：

       nvcc --version

     • 对于CUDA 12.1：

       pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

     • 对于CUDA 11.8：

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

   • 如果您没有启用CUDA的GPU，请按照Pytorch网站上的说明进行操作，以为您的系统安装适当的Pytorch版本。

4. 安装其他必需的软件包：

   • 安装直接依赖性：

     pip install -r requirements.txt

   • 将TTS软件包升级到最新版本：

     pip install --upgrade TTS

完成这些步骤后，您的设置应完成，您可以开始使用该项目。

型号将在首次使用后自动下载。

下载路径：

• macos： /Users/USR/Library/Application Support/tts/tts_models--multilingual--multi-dataset--xtts_v2
• Windows： C:Users YOUR-USER-ACCOUNT AppDataLocalttstts_models--multilingual--multi-dataset--xtts_v2
• linux： /home/${USER}/.local/share/tts/tts_models--multilingual--multi-dataset--xtts_v2 /$ {user }/.local/share/tts/tts_models-multlingual-multiual-multi-dataset--xttts_v2

推理

运行应用程序：

 python app.py
OR
streamlit run app2.py 

或者，您也可以通过在文本上提供示例输入文本来从终端本身运行。

 python appTerminal.py

在初始使用时，您需要同意以下条款：

 [XTTS] Loading XTTS...
 > tts_models/multilingual/multi-dataset/xtts_v2 has been updated, clearing model cache...
 > You must agree to the terms of service to use this model.
 | > Please see the terms of service at https://coqui.ai/cpml.txt
 | > "I have read, understood and agreed to the Terms and Conditions." - [y/n]
 | | >

如果您的模型正在重新下载每次运行，请在Github上咨询第4723条。

目标声音数据集

数据集由一个名为targets的单个文件夹组成，该文件夹预先填充了几种用于测试目的的声音。

要添加更多声音（如果您不想浏览GUI），请创建一个大约10秒的24kHz WAV文件，然后将其放在targets文件夹下。您可以使用YT-DLP从YouTube下载语音进行克隆：

 yt-dlp -x --audio-format wav "https://www.youtube.com/watch?"

示例音频示例：

语言	音频示例链接
英语	▶q
俄语	▶q
阿拉伯	▶q

语言支持

阿拉伯语，中文，捷克，荷兰语，英语，法语，德语，匈牙利语，意大利语，日语（请参阅设置），韩语，波兰，葡萄牙语，俄罗斯，西班牙语，土耳其语

笔记

如果您想选择日语作为目标语言，则必须安装字典。

 # Lite version
pip install fugashi[unidic-lite]

或更严重的处理：

 # Full version
pip install fugashi[unidic]
python -m unidic download

更多详细信息。

学分

1. 大量基于https://github.com/kanttouchthis/text_generation_webui_xtts/