Real-Time-Voice-Cloning 安装使用
Real-Time-Voice-Cloning 是“Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis(SV2TTS)”论文的实现,这是一个三阶深度学习框架,允许从几秒钟的音频中创建一个数字化的语音,并使用它来调节训练的“文本转语音”模型,以推广到新的声音.
源码地址:https://github.com/CorentinJ/Real-Time-Voice-Cloning
论文地址:https://arxiv.org/pdf/1806.04558.pdf
模型:
模型分为3个模块构成,encoder模块,systhesis模块,vocoder模块。
encoder模块将说话人的声音转换成speaker embedding,synthesis模块将文本转换成mel-spectrogram,vocoder模块将mel-spectrogram转换成waveform。
接下来演示,安装使用其demo tool box.
- 安装python 3.7 环境
- 下载源码 Real-Time-Voice-Cloning-master.zip 及预训练模型pretrained.zip (https://github.com/CorentinJ/Real-Time-Voice-Cloning/wiki/Pretrained-models)
- 解压预训练模型pretrained,将其中三个模型分别对应拷贝到Real-Time-Voice-Cloning-master下对应的模型中.
在
Real-Time-Voice-Cloning-master目录下 pip install -r requirements.txt
这里我使用的是的tf 1.14.0. 原版的 1.15.0 会报cudnn的错误.
还有环境已经安装对应的cudn 10.0 和 cuDNN 7.4
- 安装pytorch https://pytorch.org/get-started/previous-versions/
pip install torch==1.2.0 torchvision==0.4.0 -f https://download.pytorch.org/whl/torch_stable.html
- 跑测试脚本python demo_cli.py 或工具箱 python demo_toolbox.py
可能问题:
1 ModuleNotFoundError: No module named '_lzma'
安装 pip install backports.lzma
在文件 /usr/local/lib/python3.6/(就是你的正使用的目录下)lzma.py line 27行 修改如下
try:
from _lzma import *
from _lzma import _encode_filter_properties, _decode_filter_properties
except ImportError:
from backports.lzma import *
from backports.lzma import _encode_filter_properties, _decode_filter_properties
2 ModuleNotFoundError: No module named '_bz2'
安装 apt-get install libbz2-dev
还不行的话
Linux下非Root用户解决ImportError: No module named bz2
说白了少个文件,它不一定叫bz2.so,但是大概是lib-dynload文件下的含有bz2的so文件,复制到自己的python的同名文件夹下就好了。
路径全称:.../python37/lib/python3.7/lib-dynload/
我找到的文件叫:_bz2.cpython-35m-x86_64-linux-gnu.so
里面-35m是版本对应的,也必须改,例如:我的python3.7版本就直接重命名-37m。
3 qt.qpa.plugin: Could not load the Qt platform plugin xcb
加入 export QT_DEBUG_PLUGINS=1
重新运行 python demo_toolbox.py 可知问题在于缺少 libxcb-xinerama.so
所以 sudo apt-get install libxcb-xinerama0