voicesmith

VoiceSmith 项目介绍

VoiceSmith 是一个旨在简化语音模型训练与推理的工具，无需编程经验也能实现单人或多人语音模型的训练和推理。它基于改进版的 DelightfulTTS 和 UnivNet，通过精细调整形成一个稳固的文本到语音转换流程，并支持用户上传的数据集。两个模型都在一个拥有 5000 名说话者的专有数据集上进行了预训练。此外，VoiceSmith 还提供了一些数据集预处理工具，如自动文本规范化。

如果您对早期版本的软件感兴趣，可以点击这里查看一个基于高度情感化的 60 名说话者数据集训练出的模型。

系统要求

硬件要求

• 操作系统：支持 Windows（当前仅支持 CPU）或任何基于 Linux 的操作系统。如果想在 macOS 上运行，需要按照“从源代码构建”的步骤自行创建安装程序，但未经过测试。
• 图形处理器：强烈推荐支持 CUDA 的 NVIDIA GPU，尽管可以在 CPU 上训练，但耗时可能会是以天甚至周为单位。
• 内存：至少 8GB 内存，可以尝试在更少的内存下运行，但可能会不成功。

软件要求

• Docker：点击下载。如果使用的是 Linux，建议安装 Docker Engine，因为 Docker Desktop 可能会增加复杂性。

安装流程

1. 从发布页面下载最新的安装程序。
2. 双击以运行安装程序。

开发流程

1. 确保已安装最新版本的 Node.js。
2. 克隆项目库：

   git clone https://github.com/dunky11/voicesmith
   

3. 安装依赖，过程可能需要一分钟：

   cd voicesmith
   npm install
   

4. 点击这里，选择最新版本的文件夹，下载所有文件并将其置于项目库的 assets 文件夹中。
5. 启动项目：

   npm start
   

从源代码构建

1. 按照上述步骤 1 - 4 进行操作。
2. 运行 make 命令，这将创建一个包含安装程序的 out/make 文件夹，安装程序会根据操作系统的不同而有所不同。

   npm make
   

项目架构

VoiceSmith 当前使用一个由修改过的 DelightfulTTS 和 UnivNet 组成的两阶段管道。

贡献指南

通过为项目加星来展示您的支持。我们欢迎各种形式的 pull request。

许可证

此项目根据 Apache-2.0 许可证授权，详情请查看 LICENSE.md 文件。