懂AI
xtts2-ui

xtts2-ui

多语言支持的文字转语音克隆工具

XTTS-2-UI是一个支撑16种语言的文本至语音克隆工具，仅需10秒的音频样本即可复制声音。项目易于安装与操作，适合个人和科研用途。详细安装和使用方法请参见GitHub页面。

XTTS-2-UI文本语音克隆多语言支持声音样本语音合成Github开源项目
访问官网GitHubHugging Face

xtts2-ui 项目介绍

项目概述

xtts2-ui 是一个用于语音克隆的用户界面项目。利用该项目，用户只需输入文本和一个长度为10秒的目标语音音频样本，即可克隆出目标语音。该工具易于设置和使用，并且支持多种语言，还内置了语音录制和上传功能。需要注意的是，该项目的语音质量尚未达到最顶级的水平。

模型信息

xtts2-ui 使用的模型是 tts_models/multilingual/multi-dataset/xtts_v2。详细信息可以参考 Hugging Face 上的 XTTS-v2 及其具体版本 XTTS-v2 Version 2.0.2。

项目设置步骤

要使用该项目，需依次完成以下步骤：

  1. 克隆代码仓库

    • 在本地计算机上克隆项目代码。
    git clone https://github.com/pbanuru/xtts2-ui.git
cd xtts2-ui

  2. 创建虚拟环境

    • 创建 Python 虚拟环境并激活。

      • Windows 下使用命令：
      venv\Scripts\activate
      • Linux/Mac 下使用命令：
      source venv/bin/activate

  3. 安装 PyTorch

    • 选择合适的 PyTorch 安装命令，具体取决于是否有 CUDA 支持。若有 CUDA 支持，应先确认 CUDA 版本，然后使用相应的安装命令。

  4. 安装其他依赖包

    • 安装项目所需的直接依赖包：
    pip install -r requirements.txt
    • 升级 TTS 包至最新版本：
    pip install --upgrade TTS

完成上述步骤后，项目就可以开始使用。初次使用时，会自动下载所需模型。

如何运行

项目可以通过如下命令运行：

  • 在终端中运行： 
    python app.py
    或使用 Streamlit： 
    streamlit run app2.py
  • 也可以在终端提供输入文本运行，例如在 texts.json 中输入，并生成多个语音： 
    python appTerminal.py

目标语音数据集

数据集包含一个名为 targets 的文件夹，其中预先填充了多个供测试的语音。若需要增加更多语音，可以创建一个 24KHz 的 WAV 文件，时长约为10秒，并将其放置在 targets 文件夹下。

示例音频

该项目支持多种语言，包括英语、俄语和阿拉伯语等，可通过以下链接试听各语言的样本音频：

支持语言

xtts2-ui 支持 16 种语言，包括阿拉伯语、中文、捷克语、荷兰语、英语、法语、德语、匈牙利语、意大利语、日语、韩语、波兰语、葡萄牙语、俄语、西班牙语和土耳其语。若需选择日语作为目标语言，还需安装相关字典。

致谢

xtts2-ui 项目受到了 kanttouchthis/text_generation_webui_xtts 的启发和支持。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多