barkwebui下载barkwebui源代码下载

barkwebui

Ai源码

1.0.0

下载

Bark Web UI

该应用程序是一种基于Python烧瓶的Web UI，旨在使用Suno AI的树皮来促进文本到语音的生成。它提供了各种自定义选项，包括修改语音音调，速度和其他参数的能力。

截屏

安装

通过按照树皮存储库的说明来安装树皮。 1a。如果您没有在需要下载模型之前运行树皮，则运行测试将下载并缓存所需的型号（注意模型的尺寸各不相同，其中包括一个超过5GB的大小）。

 python -m bark --text "Let's get this party started!" --output_filename "party.wav"

一旦Bark运行克隆，将此存储库纳入bark安装位置中的名为webui的目录。

 cd bark
git clone https://github.com/bradsec/barkwebui webui

安装unignts.txt文件中提到的任何其他Python软件包，以满足app.py和bark_connector.py中所需的导入。树皮设置过程已经安装了共享导入。如果适用，请在安装进口之前激活您用于树皮的Python Venv或Conda/Miniconda环境。
从webui文件夹中运行python barkwebui_server.py ，以启动Blask Web Server应用程序，应显示类似的输出：

 * Serving Flask app 'barkwebui_server'
 * Debug mode: on
WARNING: This is a development server. Do not use it in a production deployment. Use a production WSGI server instead.
 * Running on all addresses (0.0.0.0)
 * Running on http://127.0.0.1:5000

如终端窗口中所示，通过浏览器地址访问Web应用程序。

结构

barkwebui_server.py提供烧瓶Web服务器功能接收并从Web界面返回信息，并将其传递到barkwebui_connector.py中。还从JSON Dateset中处理写作和删除。
barkwebui_connector.py在将文本传递到Bark应用程序之前，请分解文本输入。还应用任何选择的音频效应，例如更改速度，俯仰，降低噪声并删除静音（如果选择）。然后，它将用唯一的文件名编写.wav到static/output目录。
templates/index.html该应用程序使用的唯一使用的HTML文件。它将从static目录中引用其他文件（例如CSS和JavaScript）。
static/js此目录包含两个用于index.html模板页面的JavaScript。
- barkwebui.js使用socket.io提供大部分页面功能和app.py之间的链接
- populate.js在index.html中填充了选择的下拉选项。
- theme.js黑暗和光主题切换。
static/output包含已完成的WAV音频文件。
static/json包含barkwebui.json ，其中包含有关任何生成的音频文件的信息。

文本温度

此参数会影响模型从文本产生语音的方式。较高的文本温度值使模型的输出更加随机，而较低的文本温度值则使模型的输出更加确定性。换句话说，具有高文本温度，该模型更有可能从给定文本提示中产生异常或意外的语音。另一方面，由于文本温度较低，该模型更有可能与最可能的输出密切相关。

波形温度

此参数影响模型如何生成最终音频波形。较高的波形温度值将更多的随机性引入音频输出，这可能会导致更多异常的声音或语音调制。另一方面，较低的波形温度使音频输出更为可预测和一致。

减少降噪 /降噪（NR）

降低背景噪声（不如AI增强的清洁剂那样好，并且由于每个树皮产生的语音的随机性即使在相同的设置中也很难说出对音频的影响，也无法消除回声或AI幻觉）。代码ref（bark_connector.py）：如果“ redy_noise”的值是正确的，则使用Noisereduce库触发生成的音频的降噪。 dred_noise将音频数据和采样速率作为参数获取，并以降低的噪声返回音频。如果dred_noise是错误的，则不会应用降噪，并且使用原始音频。

去除沉默（RS）

删除任何延长的停顿或沉默（可能没有多大的作用，在生成的语音中包含长时间停顿时，出于未知原因）。代码ref（bark_connector.py）：如果“ remove_silence'的值是正确的，则可以通过将VAD（语音活动检测）设置为3级来实现积极的沉默去除。WEBRTCVAD库用于语音活动检测。如果remove_silence为false，则VAD级别设置为0，这意味着不应用沉默去除。从24000的样本率还必须降低至16000，以使其与WebRTCVAD库一起使用。

调整音频速度和音高

速度和音高的变化可能会导致输出音频中相当多的回声和混响。通过第三方AI音频工具运行音频可能有助于删除回声或混响。一个名为Liberosa的库用于操纵音频速度和音高。使用`riblosa.effects.time_stretch`函数调整音频的速度，该功能会通过一定的因素伸展或压缩音频。如果传递到`generate_voice`函数的速度参数不是1.0（即需要更改音频的速度），则音频是由给定速率延时的。例如，如果速度为2，则音频的持续时间将减半，使其播放的速度是两倍。使用“ libreosa.effects.pitch_shift”函数调整音频的音调。此函数将音频的音调越来越多。如果将音调参数传递到`generate_voice`函数不是0（即需要更改音频的音调），则音频的音调会随给定数量的半步数移动。例如，如果音高为2，则音频的音高将增加2个半步。