在 github 开源了一个带 web 界面的中英文音色克隆工具

[jianchang512]

开源地址: https://github.com/jianchang512/clone-voice






>
> 这是一个声音克隆工具，可使用你的或者其他声音的音色，将一段文字合成为使用该声音说话的音频。
>
> 使用非常简单，没有 GPU 也可以使用，github 下载预编译版本，双击 app.exe 打开一个 web 界面，鼠标点点快速体验，笔记本电脑就可使用，。
>
> 支持 **中文**、**英文**、**日语**、**韩语** 4 种语言，可在线从麦克风录制声音。
>
> 为保证合成效果，建议录制时长 5 秒到 20 秒，发音清晰准确，不要存在背景噪声。
>
> 英文效果很棒，中文效果还凑合，下载体验下吧
>



项目基于 coqui-tts ，早就想使用这个来做音色克隆了，只是他们一直不支持中文，直达 9 月份才支持。

使用 flask 搞了一个简单的本地 web 界面，可在线录制声音或上传已有的一段声音作为音色，然后输入一段文字，即可生成使用该声音的音频。

目前支持中、英、日、韩 四种语言，英文效果最棒，中文勉强吧。

已提供预编译版，window 上下载压缩包解压，双击 run.bat 即可使用。

其实直接拉取 coqui-tts 也可以，本项目基本只是一个 coqui-tts 的简单包装，没多大技术含量，初衷是降低 ai 使用难度，让小白快速上手体验，不必配备 N 卡，即使笔记本也可使用。

## Youtube 演示

<amp-youtube data-videoid="NL5cIoJ9Gjo" layout="responsive" width="480" height="270"></amp-youtube>

[GeekGao]

有 docker 部署方式吗

[jianchang512]

@GeekGao 米有。

[seeyourface]

可以把声音翻译成另一种语言吗，音色不变

[jianchang512]

@seeyourface 下次更新会增加声音转声音的。但直接翻译的不支持

这种目前貌似只有目标英语情况下效果还可以

可以先识别为文字，翻译后再以原声音色生成新声音

[siknet]

百度云下载也太慢了...下载完我传个阿里云吧

[jianchang512]

@siknet 可以 github 下载啊，阿里云没咋用过，没限制吗

[siknet]

噢，看见 github 的下载了
阿里云限速没百度云那么夸张，几百 k 到几兆都有

[siknet]

试了下，很厉害啊，就是分词有点问题

[jianchang512]

@siknet 其实就是调用了下 coqui-xttsv2

他们直到九月份才支持中文，以前都无法用于中文，还有待完善

[1044523901]

牛逼 加上 docker 部署就完美了，最近刚好有这个需求，赶快学习下~

[ywx620]

这个很好呀！一直在找这样的开源项目。

[Llesue]

玩了一下，英文中文分词都有问题……