克隆你的音色！！使用你自己的声音做语音合成

已于 2023-04-05 10:40:52 修改
阅读量2.3k 收藏 25
点赞数 2
文章标签： 语音识别 人工智能
于 2023-04-05 10:33:45 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_61497715/article/details/129966801
版权

代码在文章最后！！！

目录

1.音频数据集（自制）

2.更改设置 

3.换自己的数据集

4.依次运行接下来的代码，

5.合成句子

6.成功试听/下载音频

7.代码源码

1.音频数据集（自制）

提前准备好6段以上音频文件

音频不要太长，也不要太短，建议2s~10s之间

音频尽量是干净人声，不要有BGM声音

保存为 24000采样率（在格式工厂里面更改）格式工厂如何更改采样格式?格式工厂更改采样格式教程_媒体工具_软件教程_脚本之家 (jb51.net)

data：wav/mp3/ogg格式

点击 ，进入 目录上传音频数据到data里面（ ）, 数据大小不超过 150M

2.更改设置 

3.换自己的数据集

将这示例1代码全部注释，这里我们使用示例3，将示例3代码打开，并检查数据集位置是不是和第一步上传数据集位置相同

4.依次运行接下来的代码，

5.合成句子

在这里换自己相合成的句子 "1": "欢迎使用 Paddle Speech 做智能语音开发工作。"

 

6.成功试听/下载音频

7.代码源码

发现一个大佬的语音合成：路径在这里

【有手就行】使用你自己的声音做语音合成 - 飞桨AI Studio (baidu.com)

Python小丸子.
关注
  • 2
    点赞
  • 踩
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
声音克隆5秒克隆你的声音 （代码）
10-16
声音克隆5秒克隆你的声音 （代码）声音克隆5秒克隆你的声音 （代码）声音克隆5秒克隆你的声音 （代码）声音克隆5秒克隆你的声音 （代码）声音克隆5秒克隆你的声音 （代码）声音克隆5秒克隆你的声音 （代码）
基于深度学习的中英文声音克隆系统
05-05
含搭建教程以及部署指南，可以快速部署声音克隆系统，实现对中英文的声音克隆
Android 百度语音合成 (含离线、在线、API合成方式，详细步骤+源码)
最新发布
2401_84121846的博客
04-08 987
只要是程序员，不管是Java还是Android，如果不去阅读源码，只看API文档，那就只是停留于皮毛，这对我们知识体系的建立和完备以及实战技术的提升都是不利的。真正最能锻炼能力的便是直接去阅读源码，不仅限于阅读各大系统源码，还包括各种优秀的开源库。腾讯、字节跳动、阿里、百度等BAT大厂 2019-2021面试真题解析资料太多，全部展示会影响篇幅，暂时就先列举这些部分截图《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！需要动态申请权限*///获得权限。
声音克隆代码，python
10-10
声音克隆软件。elativeLayout xmlns:android= http: //schemas.android.com/apk/res/android android:layout_width= fill_parent android:layout_height= f...
基于真实语音的文本到语音合成的矢量量化方法.zip
04-04
可以实现声音的完美克隆，语音合成逼近自然声音
KORG KROME 音色表中文.pdf
06-19
音乐
声音克隆代码，让你在5秒钟内克隆声音
08-21
这是一个声音克隆代码，它可以在短短的5秒钟内帮助您实现声音的克隆。无论是语音、音乐还是环境音效，只需将源声音输入代码并设置相关参数，即可快速生成克隆音频。这个代码采用高级算法和深度学习技术，能够准确捕捉原声音的特征和音质，并以极快的速度生成克隆音频。克隆声音的质量和真实度都非常高，几乎无法区分与原声音的差异。无论是用于音乐制作、电影后期处理还是语音合成等领域，这个声音克隆代码都将是一个强大的工具。它不仅能提高工作效率，还能为用户带来更多创造性的可能性。
【有手就行】使用你自己的声音做语音合成
m0_63642362的博客
11-26 7415
【有手就行】使用你自己的声音做语音合成，支持直接上传音频，使用语音识别和语音合成前端进行预标注，上传好音频后一键运行即可，必须使用GPU环境，建议使用 32G的GPU环境运行
克隆你的声音，可能只需要5秒钟：MockingBird实现AI拟声 (详解)
热门推荐
HowieXue 薛永浩的博客
04-13 5万+
语音克隆仅需5秒之：MockingBird实现AI拟 MockingBird1. 背景2. 环境搭建2.1 安装pytorch2.2 安装ffmpeg2.3 下载MockingBird源码2.4 安装requirements2.5. 下载预训练模型3. 运行MockingBrid 1. 背景 继“AI换脸”刷屏之后,这个AI换声技术也开始受到关注 AI换声也叫AI拟声， 2. 环境搭建 建议使用Anaconda，可参加之前博文 2.1 安装pytorch 这里我直接pip安装的CPU版本 pip3 in
手把手教你声音克隆（so-vits-svc）
04-13 3万+
视频里所使用的技术是 so-vits-svc，是音频转音频，属于音色转换算法，支持正常的说话，也支持歌声的音色转换。下面具体介绍如何使用so-vits-svc。
用Python实现AI声音克隆的原理和代码示例
zjj1898的博客
03-24 2758
使用已经提取的MFCC特征，可以使用深度学习模型进行建模。另外，建议在Linux或者macOS系统上进行深度学习训练，因为这些系统通常可以更好地利用GPU加速，并且常常具有更好的Python环境配置和更大的存储空间等因素对深度学习训练有帮助。声音克隆是一种利用机器学习技术学习特定人说话的声音特征，并以此生成合成音频的技术，通常在语音合成和人机交互等领域有广泛的应用。需要注意的是，训练过程可能需要一定的时间和 GPU 加速，同时不同的输入音频可能会有不同的训练效果，因此建议在选择训练数据集时要多样性。
PaddlePaddle-DeepSpeech和PPASR的语音合成相关模型
10-22
语音合成相关模型，使用地址：https://github.com/yeyupiaoling/PaddlePaddle-DeepSpeech/tree/master/tools/generate_audio 和 https://github.com/yeyupiaoling/PPasr/tree/master/tools/generate_audio
第二代Bark声音克隆 全新中文声音克隆 ，微软语音合成模型
01-21
11/08/2023更新：将AI变声模型KNN-VC与最新发布的OpenAI TTS结合，实现更加真实的AI变声，您可以在线...01/20/2024更新：GPT-SoVITS声音克隆，只需一分钟语音，“完美”复刻任何声音。点击在线体验，点击Colab笔记本
【音视频基础】语音采集与处理
C/C++Linux、音视频、DPDK
06-12 757
如上图中所示，设定纵轴的坐标取值范围为 0 ~8，得到每个采样点的纵坐标（向上取整），这里的坐标值即为量化后的幅度值。声音由变化的气压组成，产生的声波带动麦克风上的膜片震动，膜片带动套在磁铁上的线圈震动，产生了声音的模拟信号。而量化，则是在幅度方向上进行数字化，得到每个采样点的幅度值。物体整体振动发出的只是基音，其各部分还有复合的振动，这些复合的振动也会发出声音并形成泛音，基音+泛音的不同组合就产生了多样化的音色。响度，也就是声音的响亮程度，在物理层面上，指的是物体的振动幅度，幅度越大，响度越大。
Parakeet：手把手教你构建中文语音合成模型(训练和预测)
m0_63642362的博客
12-03 5192
Parakeet：手把手教你构建中文语音合成模型
全球首推语音定制产品，百度地图背后的语音技术到底有多强大？
sinat_32970179的博客
09-20 816
文|李永华 来源|智能相对论（aixdlun） 地图APP的竞争日趋激烈，但往往都是你来我往，各大产品互有来回。 但现在，一些基于AI技术的颠覆性创意功能正在冒出，它们将成为竞争“杀招”，很可能一招制胜，让战况不再胶着。 你可能经常使用XX明星的声音作为手机地图的提示音，但你可能没有想到，有一天“前面路口左转”这样的发音准确、播音员级别的语音播报，会通过“你的声音”发出来。 近日，百度地...
语音合成TTS（Text-To-Speech，从文本到语音）
ZLJ925的博客
01-22 1万+
以上内容，来自饭团“AI产品经理大本营”，点击这里可关注：http://fantuan.guokr.net/groups/219/作者：黄钊，5年AI实战经验（图灵机器人），8年互联网背景（前腾讯QQ产品经理），微信公众号/知乎/在行/饭团ID“hanniman”，持续3年分享人工智能相关原创干货，关注者1.2万+，200页PPT《人工智能产品经理的新起点》被业内广泛好评，下载量1w+。一、核心概念
Python可开一家AI公司的语音克隆源码方案
softboy安卓软件
04-18 3763
只需要任意人几秒的人声，AI已经能克隆任意人的声音了！ 这次是真的可以开一家公司，源码作者已经开了一家公司了！ 代码最早是19年首次开源，然后陆续开始编码达到一个非常完整AI源码方案的产品，同时源码开发者已经上线自家的AI网站，可以让普通人，通过上传自己的声音一键生成带自己声色的语音合成器，这里我简称TTS 。 其实语音合成器大家都不陌生，就是文字转语音 Text To Speech（tts）各大互联网公司都有自己的产品，比如 高德地图 林志玲声音 我就特别喜欢，他们做出这样效果往往非常复杂，今天安利.
【AI 孙燕姿 | AI 音色克隆】RVC 使用图文教程:无难度男女换声（伪音）、 AI 孙燕姿
yumuing‘s bolg
06-02 1万+
根据本文，可以很简单实现：音乐干声分离：背景音（BGM）与人声（干声）的分离；训练个人音色模型：作为模仿其他干声素材的音色数据；男女换声（伪音）：基于异性干声素材，进行实时转化声音为异性声音；AI 唱歌：仅作基础的模拟演唱，仍需进行调音等等操作，才可以达到完美；音色融合：不同音色的特征融合出一个全新的音色
你能帮我用Python，写声音克隆的代码吗？
02-16
声音克隆是一项非常复杂的任务，需要使用深度学习技术和大量的数据来完成。下面是一个简单的基于Python的声音克隆代码示例，它使用深度神经网络来生成与给定说话者相似的语音： 1.首先，你需要安装一些必要的库，例如 librosa、numpy、pydub、tensorflow、keras 等等。 ``` pip install librosa numpy pydub tensorflow keras ``` 2.读取源说话者的声音文件，提取 MFCC 特征，用于训练模型： ```python import librosa import numpy as np # Load audio file audio_file = "source_speaker.wav" y, sr = librosa.load(audio_file) # Extract MFCC features mfcc = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=13) ``` 3.将 MFCC 特征用于训练深度神经网络： ```python import tensorflow as tf from keras.models import Sequential from keras.layers import Dense, Dropout, LSTM # Define model architecture model = Sequential() model.add(LSTM(units=256, input_shape=(mfcc.shape[1], mfcc.shape[0]), return_sequences=True)) model.add(Dropout(0.2)) model.add(LSTM(units=256)) model.add(Dropout(0.2)) model.add(Dense(mfcc.shape[0])) # Compile the model model.compile(loss='mean_squared_error', optimizer='adam') # Train the model model.fit(mfcc.T, mfcc.T, epochs=100) ``` 4.读取目标说话者的声音文件，提取 MFCC 特征，将其输入到模型中生成新的语音文件： ```python import pydub from pydub import AudioSegment # Load target speaker audio file target_audio = AudioSegment.from_file("target_speaker.wav", format="wav") # Extract MFCC features target_y = target_audio.get_array_of_samples() target_sr = target_audio.frame_rate target_mfcc = librosa.feature.mfcc(y=target_y, sr=target_sr, n_mfcc=13) # Predict new audio using the trained model predicted_mfcc = model.predict(target_mfcc.T).T # Reconstruct audio from predicted MFCC features predicted_audio = librosa.feature.inverse.mfcc_to_audio(predicted_mfcc) # Convert audio to the same format as the target audio target_audio_format = target_audio.export("temp.wav", format="wav") predicted_audio_format = AudioSegment.from_file("temp.wav", format="wav") # Mix predicted audio with original target speaker audio mixed_audio = target_audio.overlay(predicted_audio_format, position=0) # Save the mixed audio as a new audio file mixed_audio.export("mixed_audio.wav", format="wav") ``` 请注意，这只是一个简单的示例代码，并不能保证能够生成非常准确的声音克隆。声音克隆是一个非常复杂的任务，需要更高级的深度学习技术和更多的数据才能生成非常逼真的声音。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值