xtts2 ui

XTTS-2-UI：XTTTS-2基於文本語音克隆的用戶界面

該存儲庫包含僅使用文本和目標語音的10秒音頻示例克隆任何語音的基本代碼。 XTTS-2-UI易於設置和使用。示例結果？

用16種語言工作，並具有內部的語音錄製/上傳。注意：不要指望El級別的質量，還沒有。

模型

使用的模型是tts_models/multilingual/multi-dataset/xtts_v2 。有關更多詳細信息，請參閱擁抱面-XTTS-V2及其特定版本XTTS-V2版本2.0.2。

目錄

• XTTS-2-UI：XTTTS-2基於文本語音克隆的用戶界面
  • 模型
  • 目錄
  • 設定
  • 推理
  • 目標聲音數據集
  • 示例音頻示例：
  • 語言支持
  • 筆記
  • 學分

設定

要設置此項目，請在終端中按照以下步驟操作：

1. 克隆存儲庫

   • 將存儲庫克隆到您的本地計算機。

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

2. 創建虛擬環境：

   • 運行以下命令創建Python虛擬環境：

     python -m venv venv

   • 激活虛擬環境：

     • 視窗：

        # cmd prompt
       venv S cripts a ctivate

       或者

        # git bash
       source venv/Scripts/activate

     • Linux/Mac：

        source venv/bin/activate

3. 安裝Pytorch：

   • 如果您具有啟用NVIDIA CUDA的GPU，請選擇適當的Pytorch安裝命令：
     • 在安裝Pytorch之前，通過運行檢查您的CUDA版本：

       nvcc --version

     • 對於CUDA 12.1：

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

     • 對於CUDA 11.8：

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

   • 如果您沒有啟用CUDA的GPU，請按照Pytorch網站上的說明進行操作，以為您的系統安裝適當的Pytorch版本。

4. 安裝其他必需的軟件包：

   • 安裝直接依賴性：

     pip install -r requirements.txt

   • 將TTS軟件包升級到最新版本：

     pip install --upgrade TTS

完成這些步驟後，您的設置應完成，您可以開始使用該項目。

型號將在首次使用後自動下載。

下載路徑：

• 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

運行應用程序：

 python app.py
OR
streamlit run app2.py 

或者，您也可以通過在文本上提供示例輸入文本來從終端本身運行。

 python appTerminal.py

在初始使用時，您需要同意以下條款：

 [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載每次運行，請在Github上諮詢第4723條。

目標聲音數據集

數據集由一個名為targets的單個文件夾組成，該文件夾預先填充了幾種用於測試目的的聲音。

要添加更多聲音（如果您不想瀏覽GUI），請創建一個大約10秒的24kHz WAV文件，然後將其放在targets文件夾下。您可以使用YT-DLP從YouTube下載語音進行克隆：

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

示例音頻示例：

語言	音頻示例鏈接
英語	▶q
俄語	▶q
阿拉伯	▶q

語言支持

阿拉伯語，中文，捷克，荷蘭語，英語，法語，德語，匈牙利語，意大利語，日語（請參閱設置），韓語，波蘭，葡萄牙語，俄羅斯，西班牙語，土耳其語

筆記

如果您想選擇日語作為目標語言，則必須安裝字典。

 # Lite version
pip install fugashi[unidic-lite]

或更嚴重的處理：

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

更多詳細信息。

學分

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