懂AI
VITS-fast-fine-tuning

VITS-fast-fine-tuning

个性化多语言语音合成与转换工具

VITS-fast-fine-tuning是一个开源的语音合成项目，旨在快速实现个性化的多语言文本转语音和声音转换功能。该工具支持中英日三语合成，允许用户添加自定义声音，并实现角色间的声音转换。项目提供本地训练和Google Colab两种方式，适应不同用户需求。此外，它能从多种音频源（如短音频、长音频、视频和B站链接）克隆声音，为用户提供灵活的声音定制选项。VITS-fast-fine-tuning的微调过程通常只需1小时左右，大大提高了个性化语音模型的开发效率。

VITS语音克隆文本转语音多语言声音转换Github开源项目
GitHubHugging Face文档

中文文档请点击这里

VITS快速微调

本仓库将指导您在不到1小时内将自己的角色声音，甚至您自己的声音添加到现有的VITS TTS模型中，使其能够执行以下任务：

  1. 在您添加的任何角色和模型中预设的角色之间进行多对多的语音转换。
  2. 使用您添加的角色和预设角色进行英语、日语和中文的文本到语音合成。

欢迎体验基础模型！ 中文、英文和日文：Hugging Face Spaces 作者：本人

中文和日文：Hugging Face Spaces 作者：SayaSS

仅中文：（无运行的Hugging Face空间）作者：Wwwwhy230825

目前支持的任务：

  • 从10多个短音频中克隆角色声音
  • 从长度≥3分钟的长音频中克隆角色声音（一个音频应只包含单个说话者）
  • 从长度≥3分钟的视频中克隆角色声音（一个视频应只包含单个说话者）
  • 从哔哩哔哩视频链接中克隆角色声音（一个视频应只包含单个说话者）

目前支持TTS和VC的角色：

  • 只要您有他们的声音，任何您想要的角色都可以！ （请注意，语音转换只能在模型中的任意两个说话者之间进行）

微调

本地训练指南请参见LOCAL.md。 或者，您可以在Google Colab上进行微调。

需要多长时间？

  1. 安装依赖项（3分钟）
  2. 选择预训练模型开始。它们之间的详细区别在Colab笔记本中有描述。
  3. 上传您想添加的角色的语音样本，详细上传选项请参见DATA.MD。
  4. 开始微调。所需时间从20分钟到2小时不等，取决于您上传的声音数量。

推理或使用（目前仅支持Windows）

  1. 记得下载您微调后的模型！
  2. 下载最新版本
  3. 将您的模型和配置文件放入inference文件夹，分别命名为G_latest.pth和finetune_speaker.json。
  4. 文件结构应如下所示：
inference
├───inference.exe
├───...
├───finetune_speaker.json
└───G_latest.pth
  1. 运行inference.exe，浏览器应自动弹出。
  2. 注意：您必须安装ffmpeg才能启用语音转换功能。

在MoeGoe中使用

  1. 准备下载的模型和配置文件，分别命名为G_latest.pth和moegoe_config.json。
  2. 按照MoeGoe页面的说明进行安装、配置路径和使用。

寻求帮助？

如果您有任何问题，请随时提出issue或加入我们的Discord服务器。

编辑推荐精选

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。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

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。

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

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作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。

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。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
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。

下拉加载更多