CV声音克隆工具

这是一个声音克隆工具，可使用任何人类音色，将一段文字合成为使用该音色说话的声音，或者将一个声音使用该音色转换为另一个声音。

使用非常简单，没有N卡GPU也可以使用，下载预编译版本，双击 app.exe 打开一个web界面，鼠标点点就能用。

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。

视频演示

out.mp4

使用方法

1. 右侧Releases中下载预编译版，适用于window 10/11(已含文字到语音模型，语音到语音模型需单独下载),Mac下请拉取源码自行编译

2. 下载后解压到某处，比如 E:/clone-voice 下

3. 双击 start.bat ，等待自动打开web窗口，如下

4. 转换操作步骤

   • 在文本框中输入文字、或导入srt文件，或者选择“声音->声音”，选择要转换的声音wav格式文件
   • 然后从“要使用的声音wav文件”下拉框中选择要用的声音，如果没有满意的，也可以点击“本地上传”按钮，选择已录制好的5-20s的wav声音文件。或者点击“开始录制”按钮，在线录制你自己的声音5-20s，录制完成点击使用
   • 点击“立即开始生成”按钮，耐心等待完成。

5. 为减小预编译版体积，预编译版仅支持CPU，只包含“文字到语音(text-to-speech)模型”

   如果需要 声音->声音 功能，即上传一个音频文件，然后将该音频转换为使用选定音色的另一个音频，需单独下载语音到语音(speech-to-speech)模型，然后放到和app.exe同级的tts文件夹中，右键“解压到当前文件夹下” 解压后如图

6. 如需GPU支持，请拉取源码本地编译

源码部署/以window为例，其他类似

0. 要求 python 3.9+
1. 创建空目录，比如 E:/clone-voice
2. 创建虚拟环境 python -m venv venv
3. 激活环境 cd venv/scripts,activate,cd ../..
4. 安装依赖 CPU版: pip install -r requirements.txt, GPU版:pip install -r requirements-gpu.txt
5. 解压 ffmpeg.7z 到项目根目录
6. 下载模型 文字到语音(text-to-speech)模型 和 语音到语音(speect-to-speech)模型 到项目目录下的tts文件中，然后解压到当前文件夹
7. 启动 python app.py

模型下载

1. 语音到语音模型(speech-to-speech)百度网盘下载 链接：https://pan.baidu.com/s/1vIYzxnlmx2_4prahufoEEw?pwd=hgh2 提取码：hgh2 从github下载: https://github.com/jianchang512/clone-voice/releases/tag/v0.0.1 解压后

2. 文字到语音模型(text-to-speech)百度网盘下载(预编译版已包含该模型) 链接：https://pan.baidu.com/s/1LA3JFIb0MnCgoF0Q1sW5dQ?pwd=5k7c 提取码：5k7c 从github下载: https://github.com/jianchang512/clone-voice/releases/tag/v0.0.1 解压后

3. 预编译版下载(已包含text-t-speech文字到语音模型) 点击右侧 Releases,下载最新版本

注意事项

1. 启动后需要冷加载模型，会消耗一些时间，请耐心等待显示出http://127.0.0.1:9988， 并自动打开浏览器页面后，稍等两三分钟后再进行转换

2. 功能有：

    文字到语音:即输入文字，用选定的音色生成声音，这个功能预编译已包含模型，开箱即用。
    
    声音到声音：即从本地选择一个音频文件，用选定的音色生成另一个音频文件，为减小预编译版体积，没有包含在内，需要单独下载模型，放在app.exe 同目录下的tts文件夹中，解压到当前文件夹下，解压后会多两个文件夹,`voice_conversion_models--multilingual--vctk--freevc24`和`wavlm`,请确保位置正确
   

3. 如果打开的cmd窗口很久不动，需要在上面按下回车才继续输出，请在cmd左上角图标上单击，选择“属性”，然后取消“快速编辑”和“插入模式”的复选框

预览图

Youtube演示视频