Voice Cloning App

語音克隆應用

Python/Pytorch應用程序，用於輕鬆合成人類聲音

文件

Discord服務器

視頻指南

聲音共享集線器

常見問題解答

系統要求

• Windows 10或Ubuntu 20.04+操作系統
• 5GB+磁盤空間
• NVIDIA GPU至少具有4GB的內存和驅動程序版本456.38+（可選）

關鍵功能

• 自動數據集生成（支持字幕和有聲讀物）
• 其他語言支持
• 本地和遠程培訓
• 輕鬆的火車開始/停止
• 數據導入/導出
• 多GPU支持

手動指南

• 安裝
• 構建數據集
• 訓練
• 合成
• 進行更改

未來的改進

• 添加對TalkNet的支持
• 添加hifi-gan的GTA對齊
• 改進的批量估計
• AMD GPU支持

其他資源

• 遠程培訓筆記本
• 在Uberduck.ai和Vocodes上嘗試現有聲音
• YouTube數據獲取（由diskr33t＃5880創建）
• 在COLAB中合成（由Mega B＃6696創建）
• 生成YouTube轉錄（由Mega B＃6696創建）
• wit.ai轉錄

致謝

該項目使用tacotron2的重新設計版本。所有權利屬於NVIDIA，並遵循其BSD-3許可證的要求。

此外，該項目還使用Dsalign，Silero，Deepspeech和Hifi-Gan。

感謝貝爾法斯特皇后大學（Queen's University）的約翰·布斯塔德（John Bustard）博士在整個項目中的支持​​​​。

在Uberduck.ai的支持下，請與他們聯繫，以進行現場模型託管。

也要非常感謝Vocalsynesis Subreddit的反饋。

最終感謝每個人提出問題並為該項目做出貢獻。