CosyVoice_For_Windows

CosyVoice_For_Windows

多语言语音合成工具 支持零样本和跨语言生成

CosyVoice_For_Windows是一个开源的语音合成项目,支持多语言、零样本和跨语言语音生成。该工具提供SFT、零样本、跨语言和指令推理等多种模式。项目包含Web演示界面,便于快速了解功能。同时还支持高级训练和部署,适用于语音合成的研究和应用开发。

CosyVoice语音合成AI语音深度学习自然语言处理Github开源项目

CosyVoice

👉🏻 CosyVoice 演示 👈🏻

[CosyVoice 论文][CosyVoice 工作室][CosyVoice 代码]

关于 SenseVoice,请访问 SenseVoice 仓库SenseVoice 空间

安装

克隆并安装

  • 克隆仓库
git clone --recursive https://github.com/v3ucn/CosyVoice_For_Windows.git # 如果由于网络问题克隆子模块失败,请重复运行以下命令直到成功 cd CosyVoice_For_Windows git submodule update --init --recursive
conda create -n cosyvoice python=3.11 conda activate cosyvoice pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com 从 https://github.com/S95Sedan/Deepspeed-Windows/releases/tag/v14.0%2Bpy311 安装 deepspeed pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 # 如果你使用 Windows 无需安装 sox

模型下载

我们强烈建议您下载我们预训练的 CosyVoice-300MCosyVoice-300M-SFTCosyVoice-300M-Instruct 模型和 speech_kantts_ttsfrd 资源。

如果您是该领域的专家,只对从头开始训练自己的 CosyVoice 模型感兴趣,可以跳过这一步。

# SDK模型下载 from modelscope import snapshot_download snapshot_download('iic/CosyVoice-300M', local_dir='pretrained_models/CosyVoice-300M') snapshot_download('iic/CosyVoice-300M-SFT', local_dir='pretrained_models/CosyVoice-300M-SFT') snapshot_download('iic/CosyVoice-300M-Instruct', local_dir='pretrained_models/CosyVoice-300M-Instruct') snapshot_download('speech_tts/speech_kantts_ttsfrd', local_dir='pretrained_models/speech_kantts_ttsfrd')
# git模型下载,请确保已安装git lfs mkdir -p pretrained_models git clone https://www.modelscope.cn/iic/CosyVoice-300M.git pretrained_models/CosyVoice-300M git clone https://www.modelscope.cn/iic/CosyVoice-300M-SFT.git pretrained_models/CosyVoice-300M-SFT git clone https://www.modelscope.cn/iic/CosyVoice-300M-Instruct.git pretrained_models/CosyVoice-300M-Instruct git clone https://www.modelscope.cn/speech_tts/speech_kantts_ttsfrd.git pretrained_models/speech_kantts_ttsfrd

基本用法

对于零样本/跨语言推理,请使用 CosyVoice-300M 模型。 对于 SFT 推理,请使用 CosyVoice-300M-SFT 模型。 对于指令推理,请使用 CosyVoice-300M-Instruct 模型。 首先,将 third_party/AcademiCodecthird_party/Matcha-TTS 添加到您的 PYTHONPATH

set PYTHONPATH=third_party/AcademiCodec;third_party/Matcha-TTS
from cosyvoice.cli.cosyvoice import CosyVoice from cosyvoice.utils.file_utils import load_wav import torchaudio cosyvoice = CosyVoice('speech_tts/CosyVoice-300M-SFT') # sft 用法 print(cosyvoice.list_avaliable_spks()) output = cosyvoice.inference_sft('你好,我是通义生成式语音大模型,请问有什么可以帮您的吗?', '中文女') torchaudio.save('sft.wav', output['tts_speech'], 22050)

cosyvoice = CosyVoice('speech_tts/CosyVoice-300M')

零样本使用

prompt_speech_16k = load_wav('zero_shot_prompt.wav', 16000) output = cosyvoice.inference_zero_shot('收到好友从远方寄来的生日礼物,那份意外的惊喜与深深的祝福让我心中充满了甜蜜的快乐,笑容如花儿般绽放。', '希望你以后能够做的比我还好呦。', prompt_speech_16k) torchaudio.save('zero_shot.wav', output['tts_speech'], 22050)

跨语言使用

prompt_speech_16k = load_wav('cross_lingual_prompt.wav', 16000) output = cosyvoice.inference_cross_lingual('<|en|>And then later on, fully acquiring that company. So keeping management in line, interest in line with the asset that's coming into the family is a reason why sometimes we don't buy the whole thing.', prompt_speech_16k) torchaudio.save('cross_lingual.wav', output['tts_speech'], 22050)

cosyvoice = CosyVoice('speech_tts/CosyVoice-300M-Instruct')

指令使用

output = cosyvoice.inference_instruct('在面对挑战时,他展现了非凡的<strong>勇气</strong><strong>智慧</strong>。', '中文男', 'Theo 'Crimson', is a fiery, passionate rebel leader. Fights with fervor for justice, but struggles with impulsiveness.') torchaudio.save('instruct.wav', output['tts_speech'], 22050)

启动网页演示

你可以使用我们的网页演示页面快速熟悉CosyVoice。 我们在网页演示中支持sft/零样本/跨语言/指令推理。

请查看演示网站了解详情。

python3 webui.py --port 9886 --model_dir ./pretrained_models/CosyVoice-300M

高级用法

对于高级用户,我们在examples/libritts/cosyvoice/run.sh中提供了训练和推理脚本。 你可以按照这个配方熟悉CosyVoice。

部署构建

可选地,如果你想使用grpc进行服务部署, 你可以运行以下步骤。否则,你可以直接忽略这一步。

cd runtime/python docker build -t cosyvoice:v1.0 .

如果你想使用指令推理,请将speech_tts/CosyVoice-300M改为speech_tts/CosyVoice-300M-Instruct

docker run -d --runtime=nvidia -p 50000:50000 cosyvoice:v1.0 /bin/bash -c "cd /opt/CosyVoice/CosyVoice/runtime/python && python3 server.py --port 50000 --max_conc 4 --model_dir speech_tts/CosyVoice-300M && sleep infinity" python3 client.py --port 50000 --mode <sft|zero_shot|cross_lingual|instruct>

讨论与交流

你可以直接在GitHub Issues上讨论。

你也可以扫描二维码加入我们的官方钉钉聊天群。

致谢

  1. 我们借鉴了很多FunASR的代码。
  2. 我们借鉴了很多FunCodec的代码。
  3. 我们借鉴了很多Matcha-TTS的代码。
  4. 我们借鉴了很多AcademiCodec的代码。
  5. 我们借鉴了很多WeNet的代码。

免责声明

以上提供的内容仅供学术用途,旨在展示技术能力。部分示例来源于互联网。如有任何内容侵犯了您的权利,请联系我们要求删除。

编辑推荐精选

博思AIPPT

博思AIPPT

AI一键生成PPT,就用博思AIPPT!

博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案,助力品牌曝光

稳定高效的流量提升解决方案,助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用,一键生成无水印视频

最新版Sora2模型免费使用,一键生成无水印视频

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
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

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
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需求,让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。

下拉加载更多