在上一篇文章中,我推荐了一个SVC(Singing Voice Conversion)项目,歌声转换,也就是类似变声器的玩意,抽取一个人的声音作为训练数据,训练一个神经网络模型,学习他的声线;然后用模型在目标歌曲上做推理,即可实现用自己的声线唱目标歌曲: 我把我的声音训练成了AI模型,并让它唱了一首歌...(附超全面教程,你奶奶看了都会用) 这个项目的质量确实极高,但是太硬核,太麻烦。 这篇文章,我想介绍一个有手就行的超级傻瓜的TTS(Text-to-Speech,文本生成音频)项目。 微软、讯飞等等其实已经有非常成熟的TTS方案了,但是都是封装好的,没法去训练自己的声音(虽然他们有这个业务,但是普通人根本付不起那价格,就约等于没法训练)。 今天我们直接去训练自己的TTS,虽然效果略显粗糙,但是胜在有手就行,安心便捷。 百度飞浆平台上的PaddleSpeech项目,俗称有手就行。 步骤很简单:
在开始玩之前,推荐大家去完成百度飞浆的新手任务,能白嫖100算力卡,等于100小时的V100 32G,25小时的A100 40G。属实是香的一笔。 网址在此:https://aistudio.baidu.com/aistudio/newbie,也可以注册完在个人中心点左下角的新手礼包。 极其简单的四步,几分钟就能搞定,约等于白给。 拿到算力卡之后,我们进入飞浆的AI studio的项目大厅。 直接搜索四个字:语音合成。 第一个【有手就行】开头的那个就是。 点进去,然后我们点击运行一下。 等个一小会,就完成了,弹出让我们选显卡的弹窗,此处一定要注意,必须!必须选择V100 32G!!!必须!没有的话就刷新,直到刷到有为止!(不推荐A100是因为太贵了) 进入项目以后,我们就能看到这个项目详情,跟上一篇的SVC项目其实很类似,但是会大幅简化。我们啥也不用管,点顶部第二个小图标就行。全部运行。 点完了以后,你就会发现自动滑到了安装环境的位置,它就突突突的自己开始装环境了,你就等着就行。 当看到这句,运行时长和结束时间后,就说明环境装完了。 我们继续下一步。在左侧找到文件 untitled.streamlit.py ,双击文件打开。然后找到红框位置图标,点击使用浏览器打开。 然后你就会在浏览器打开一个新的标签页,可能会白屏1分钟左右,别慌,等着就行。 出现这个页面,就加载完成了,第一步当然是上传数据集啦,他们有几个要求,我给总结一下:
要求其实不多,你完全可以用手机录一个3到5分钟的音频,然后转成24000采样率的wav格式,用上一篇的Audio Slicer(音频切分)去切出来。 这里转采样率和wav格式的我推荐一个在线免费网站: https://audio./convert-to-wav 把音频传上去后,直接在这个位置改成24000采样率,然后start下载下来就行。 |
|