barkwebui下載barkwebui源代碼下載

barkwebui

Ai源碼

1.0.0

下載

Bark Web UI

該應用程序是一種基於Python燒瓶的Web UI，旨在使用Suno AI的樹皮來促進文本到語音的生成。它提供了各種自定義選項，包括修改語音音調，速度和其他參數的能力。

螢幕截圖

安裝

通過按照樹皮存儲庫的說明來安裝樹皮。 1a。如果您沒有在需要下載模型之前運行樹皮，則運行測試將下載並緩存所需的型號（注意模型的尺寸各不相同，其中包括一個超過5GB的大小）。

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

一旦Bark運行克隆，將此存儲庫納入bark安裝位置中的名為webui的目錄。

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

安裝unignts.txt文件中提到的任何其他Python軟件包，以滿足app.py和bark_connector.py中所需的導入。樹皮設置過程已經安裝了共享導入。如果適用，請在安裝進口之前激活您用於樹皮的Python Venv或Conda/Miniconda環境。
從webui文件夾中運行python barkwebui_server.py ，以啟動Blask Web Server應用程序，應顯示類似的輸出：

 * 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

如終端窗口中所示，通過瀏覽器地址訪問Web應用程序。

結構

barkwebui_server.py提供燒瓶Web服務器功能接收並從Web界面返回信息，並將其傳遞到barkwebui_connector.py中。還從JSON Dateset中處理寫作和刪除。
barkwebui_connector.py在將文本傳遞到Bark應用程序之前，請分解文本輸入。還應用任何選擇的音頻效應，例如更改速度，俯仰，降低噪聲並刪除靜音（如果選擇）。然後，它將用唯一的文件名編寫.wav到static/output目錄。
templates/index.html該應用程序使用的唯一使用的HTML文件。它將從static目錄中引用其他文件（例如CSS和JavaScript）。
static/js此目錄包含兩個用於index.html模板頁面的JavaScript。
- barkwebui.js使用socket.io提供大部分頁面功能和app.py之間的鏈接
- populate.js在index.html中填充了選擇的下拉選項。
- theme.js黑暗和光主題切換。
static/output包含已完成的WAV音頻文件。
static/json包含barkwebui.json ，其中包含有關任何生成的音頻文件的信息。

文本溫度

此參數會影響模型從文本產生語音的方式。較高的文本溫度值使模型的輸出更加隨機，而較低的文本溫度值則使模型的輸出更加確定性。換句話說，具有高文本溫度，該模型更有可能從給定文本提示中產生異常或意外的語音。另一方面，由於文本溫度較低，該模型更有可能與最可能的輸出密切相關。

波形溫度

此參數影響模型如何生成最終音頻波形。較高的波形溫度值將更多的隨機性引入音頻輸出，這可能會導致更多異常的聲音或語音調製。另一方面，較低的波形溫度使音頻輸出更為可預測和一致。

減少降噪 /降噪（NR）

降低背景噪聲（不如AI增強的清潔劑那樣好，並且由於每個樹皮產生的語音的隨機性即使在相同的設置中也很難說出對音頻的影響，也無法消除迴聲或AI幻覺）。代碼ref（bark_connector.py）：如果“ redy_noise”的值是正確的，則使用Noisereduce庫觸發生成的音頻的降噪。 dred_noise將音頻數據和採樣速率作為參數獲取，並以降低的噪聲返回音頻。如果dred_noise是錯誤的，則不會應用降噪，並且使用原始音頻。

去除沉默（RS）

刪除任何延長的停頓或沉默（可能沒有多大的作用，在生成的語音中包含長時間停頓時，出於未知原因）。代碼ref（bark_connector.py）：如果“ remove_silence'的值是正確的，則可以通過將VAD（語音活動檢測）設置為3級來實現積極的沉默去除。WEBRTCVAD庫用於語音活動檢測。如果remove_silence為false，則VAD級別設置為0，這意味著不應用沉默去除。從24000的樣本率還必須降低至16000，以使其與WebRTCVAD庫一起使用。

調整音頻速度和音高

速度和音高的變化可能會導致輸出音頻中相當多的迴聲和混響。通過第三方AI音頻工具運行音頻可能有助於刪除迴聲或混響。一個名為Liberosa的庫用於操縱音頻速度和音高。使用`riblosa.effects.time_stretch`函數調整音頻的速度，該功能會通過一定的因素伸展或壓縮音頻。如果傳遞到`generate_voice`函數的速度參數不是1.0（即需要更改音頻的速度），則音頻是由給定速率延時的。例如，如果速度為2，則音頻的持續時間將減半，使其播放的速度是兩倍。使用“ libreosa.effects.pitch_shift”函數調整音頻的音調。此函數將音頻的音調越來越多。如果將音調參數傳遞到`generate_voice`函數不是0（即需要更改音頻的音調），則音頻的音調會隨給定數量的半步數移動。例如，如果音高為2，則音頻的音高將增加2個半步。