大家應(yīng)該都知道聲音克隆技術(shù)，通俗的來(lái)說(shuō)就是借助深度學(xué)習(xí)算法，可以完全模擬某個(gè)人的聲音，而且由機(jī)器合成的語(yǔ)音連情緒都能夠完美表達(dá)出來(lái)，基本可以以假亂真，只要不見(jiàn)面，你根本就察覺(jué)不出來(lái)向你發(fā)出聲音的知識(shí)一個(gè)機(jī)器。

[[420637]]

語(yǔ)音克隆最大的創(chuàng)新之一是減少創(chuàng)建語(yǔ)音所需的原始數(shù)據(jù)量。過(guò)去，該系統(tǒng)需要數(shù)十甚至數(shù)百小時(shí)的音頻。但是，今天猿妹要和大家分享的這個(gè)工具5秒鐘就可以克隆成功，這個(gè)工具名叫——MockingBird。

MockingBird已經(jīng)登上Github熱榜，收獲3.5K的Star，累計(jì)分支 303(Github地址：https://github.com/babysor/MockingBird)

MockingBird具有如下特性：

• 支持普通話(huà)并使用多種中文數(shù)據(jù)集進(jìn)行測(cè)試
• 適用于 pytorch，已在 1.9.0 版本(最新于 2021 年 8 月)中測(cè)試，GPU Tesla T4 和 GTX 2060
• 支持 Windows + Linux
• 僅使用新訓(xùn)練的合成器(synthesizer)就有良好效果，復(fù)用預(yù)訓(xùn)練的編碼器/聲碼器

MockingBird如何使用

MockingBird的安裝要求如下：

• 首先，MockingBird需要Python 3.7 或更高版本
• 安裝 PyTorch
• 安裝 ffmpeg。
• 運(yùn)行pip install -r requirements.txt 來(lái)安裝剩余的必要包。
• 安裝 webrtcvad 用 pip install webrtcvad-wheels。

接著，你需要使用數(shù)據(jù)集訓(xùn)練合成器：

• 下載 數(shù)據(jù)集并解壓：確保您可以訪(fǎng)問(wèn) train 文件夾中的所有音頻文件(如.wav)
• 使用音頻和梅爾頻譜圖進(jìn)行預(yù)處理：python synthesizer_preprocess_audio.py 可以傳入?yún)?shù) --dataset {dataset} 支持 adatatang_200zh, magicdata, aishell3
• 預(yù)處理嵌入：python synthesizer_preprocess_embeds.py /SV2TTS/synthesizer
• 訓(xùn)練合成器：python synthesizer_train.py mandarin /SV2TTS/synthesizer

當(dāng)你在訓(xùn)練文件夾 synthesizer/saved_models/ 中看到注意線(xiàn)顯示和損失滿(mǎn)足您的需要時(shí)，請(qǐng)轉(zhuǎn)到下一步。

[[420638]]

使用預(yù)先訓(xùn)練好的合成器，如果沒(méi)有設(shè)備或者不想慢慢調(diào)試，可以使用網(wǎng)友貢獻(xiàn)的模型。

訓(xùn)練聲碼器

• 預(yù)處理數(shù)據(jù): python vocoder_preprocess.py
• 訓(xùn)練聲碼器: python vocoder_train.py mandarin

啟動(dòng)工具箱

然后你可以嘗試使用工具箱：python demo_toolbox.py -d<datasets_root>