声音克隆软件，ai声音转换技术

我从来没有写过关于声音克隆的文章，所以这次我来弥补一下。毕竟，这会经常使用，也将为您将来进行更个性化的配音做好准备。

TTS的官方英文名称为Text To Speech，中文翻译为“文字转语音”。 TTS技术使计算机能够将文本信息转换为人类可以理解的语音输出，实现语音合成功能。

目前市场上的AI语音

我们最常用的是常规TTS，您可以指定一个人的声音并通过软件输出文本。我曾经写过一个名为TTS的免费小软件，但它的API来自微软。了解如何开发一个满足您需求的免费文本转语音小工具（此处无法插入链接，请联系编辑）

如果觉得功能少的话，也可以使用日本的Magic Sound Workshop，不过要收费。

但是，这些都不允许您指定语音转换，因此这里我们使用语音克隆来训练具有指定人声的模型，以将文本转换为音频。

接下来我就讲解一下声音克隆的要点。

开源项目地址：https://github.com/fishaudio/Bert-VITS2https://github.com/RVC-Boss/GPT-SoVITS

GPT-苏联

GPT-SoVITS是由RVC Voice Changer（GitHub上昵称RVC-Boss）创始人和AI音调转换技术专家Rcell开发的开源项目。这是一个跨语言的声音克隆工具，专注于声音转换和克隆。

巴特-VITS2

Bert-VITS2是由社区开发者Fishaudio发起的开源项目，基于VITS（文本转语音变分推理）模型开发，提供高质量的文本转语音（TTS）服务，目的是提供服务。

GPT-SoVITS 在训练时间上具有明显的优势，因为它支持少样本学习，并允许在短时间内（例如1 分钟的音频数据）训练具有相似音色的模型。

Bert-VITS2可能需要更长的训练时间（1-4小时）才能实现高质量的语音合成，特别是在数据集很大或者模型比较复杂的情况下。

简单来说，如果你想要更稳定、标准的声音，经过努力和坚持使用，选择Bert-VITS。

如果您想快速实现语言之间的语音克隆，请选择GPT-SoVITS。

这里我们将以GPT-SoVITS为例，创建一个详细的教程。

因为即使我写了Bert-VITS，我感觉很多人也没有时间去尝试，因为它需要几个小时的训练和大量的数据收集。这里强烈推荐GPT-SoVITS。开始吧！

首先，在OpenBayes 平台上注册一个帐户

注册OpenBayes的新用户可以免费使用RTX4090 3小时。您可以使用下面的注册链接添加额外一小时的免费使用时间。

https://openbayes.com/console/signup r=huawang_zL1B

尝试使用您自己的绑定数据集(Genshin Kori) 进行训练。

1 GPT-SoVITS 一键克隆环境：

选择公共资源下的公共教程，然后选择GPT-SoVITS 音频合成在线演示。

2 GPT-SoVITS 一键克隆环境

单击右上角的“Clone”，然后选择“Review and Run”继续运行。

等待几分钟直至数据同步成功。

3 完成后，打开工作区

4 打开run.ipynb并一键运行所有单元格

5 等待几秒执行完成，然后打开输出的公共URL

6 打开音频并选择数据类型

7 点击开始训练

8 等待几分钟以完成训练

在后台，您可以看到15 个epoch 后训练成功，在前端，您可以看到模型已经开始进行预测。

9 打开原来的Jupyter工作区，选择API地址

API地址需要实名认证，但即使未认证，认证后返回时该地址也是可见的。

10 打开你的API地址并开始玩

选择训练好的GPT 和SoVITS 模型，然后输入要推理的文本，例如“欢迎。训练成功。单击开始推理”。

（这里上面的选择是错误的；训练好的模型通常是最后一个。先看看你定义的模型的名称。）

这样就可以先在绑定的数据集上成功训练声音模型了。

效果如下

原神可力之语音AI创建语音克隆最全最简单教程（官方版）

开始选择自己的数据集

首先，关闭之前启动的容器

1 准备30秒到1分钟的音频素材

这里我们以李雪健老师为例。

与任何健全的克隆项目一样，数据集的质量决定了产品的质量。噪音越干净、越纯净越好。

使用录音软件（录音软件）录制相关音频，放入剪辑过程中，并打开所有人类音频选项。为避免造成麻烦，处理结果不会公开。大约1分36秒。

2 上传数据集

3 更改设置并开始

点击模型训练，进入刚刚跑的项目。

单击“编辑配置并启动”

配置并运行您自己的数据

继续点击直至启动成功，打开工作区，重复上面的训练步骤。

4 将training输入到新绑定的数据集目录中

5 重复第一步，最后看效果

说中文的效果

Khlong Li Xu Jiang – 中文

说英语的有效性

克隆人李雪健英文版

最后，虽然这个教程看起来有点过头了，但事实是，为了满足各类不懂编程的人并顺利创建声音克隆，我为每个步骤创建了尽可能多的图像，也许我只是。我尽力完整地发布它。

该项目注重省时省力，目前被认为是性价比和速度之神。

对于英语，我们建议访问llElementlabs。

这篇文章并不容易。如果您喜欢，请点击“赞”并阅读。谢谢。