/clone-voice

一个带web界面的声音克隆工具，使用你的音色或任意声音来录制音频

Primary LanguagePython

CV克隆声音

这是一个声音克隆工具，可使用任何人类音色，将一段文字合成为使用该音色说话的声音，或者将一个声音使用该音色转换为另一个声音。

使用非常简单，没有N卡GPU也可以使用，下载预编译版本，双击 app.exe 打开一个web界面，鼠标点点就能用。

支持 中文、英文、日语、韩语 4种语言，可在线从麦克风录制声音。

为保证合成效果，建议录制时长5秒到20秒，发音清晰准确，不要存在背景噪声。

英文效果很棒，中文效果还凑合。

视频演示

1.mp4

使用方法

  1. 右侧Releases中下载预编译版，适用于window 10/11(已含文字到语音模型，语音到语音模型需单独下载),Mac下请拉取源码自行编译

  2. 下载后解压到某处，比如 E:/clone-voice 下

  3. 双击 start.bat ，等待自动打开web窗口，如下

  4. 输入文字或者上传想转换的音频文件，然后录制或从本地上传一段音色文件，开始转换

  5. 为减小体积，预编译版仅支持CPU，只包含文字到语音模型

    如果需要语音到语音功能，即上传一个音频文件，然后将该音频转换为使用选定音色的另一个音频，需单独下载语音到语音(speech-to-speech)模型，然后放到和app.exe同级的tts文件夹中，右键“解压到当前文件夹下”

  6. 如需GPU支持，请拉取源码本地编译

源码部署/以window为例，其他类似

  1. 要求 python 3.9+
  2. 创建空目录，比如 E:/clone-voice
  3. 创建虚拟环境 python -m venv venv
  4. 激活环境 cd venv/scripts,activate,cd ../..
  5. 安装依赖 CPU版: pip install -r requirements.txt, GPU版:pip install -r requirements-gpu.txt
  6. 解压 ffmpeg.7z 到项目根目录
  7. 下载模型 文字到语音(text-to-speech)模型 和 语音到语音(speect-to-speech)模型 到项目目录下的tts文件中，然后解压到当前文件夹
  8. 启动 python app.py

模型下载

  1. 语音到语音模型(speech-to-speech)下载

链接：https://pan.baidu.com/s/1vIYzxnlmx2_4prahufoEEw?pwd=hgh2

提取码：hgh2

  1. 文字到语音模型(text-to-speech)下载(预编译版已包含该模型)

链接：https://pan.baidu.com/s/1LA3JFIb0MnCgoF0Q1sW5dQ?pwd=5k7c

提取码：5k7c

  1. 预编译版下载(已包含text-t-speech文字到语音模型)

链接 https://pan.baidu.com/s/1lQaosvD1DNLWjA5e3QA27g?pwd=mvgt

提取码：mvgt

预览图

Youtube演示视频