人生苦短，我学Python！
AI 算法 5 秒钟，就能克隆你的声音，你信吗？
听听这段音频，猜猜看是 AI 合成音，还是真人录音？
答案是：AI 合成。
这个人的原始声音在这里：
你给这个 AI 克隆声音的算法打几分？
上述两个音频，算法运行起来的效果：
录制一段音频，就可以根据输入的文字，5s 即可自动生成对应的合成音。
突然有个大胆的想法，你说女朋友要是哪天突然不承认自己说过了某句话，我就给她造一份！
兄弟们，我做的对吗？
MockingBird
这个算法是基于比较著名的 Real Time Voice Cloning 实现的。
MockingBird 是最近开源的中文版。
论文的名字是：
Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis
简单介绍下：
算法分为三个模块：encoder模块、systhesis模块、vocoder模块。
encoder模块将说话人的声音转换成人声的数字编码（speaker embedding）
synthesis 模块将文本转换成梅尔频谱（mel-spectrogram）
vocoder模块将梅尔频谱（mel-spectrogram）转换成（波形）waveform
具体的算法原理，大家可以先看论文：
https://arxiv.org/pdf/1806.04558.pdf
论文还没详细看，等我研究好后，后面有机会再发吧。
今天主要聊聊，这个算法怎么玩。
项目地址：https://github.com/babysor/MockingBird
有深度学习基础的话，这个应该不难。
就是部署环境，分四步：
Anaconda 配置 Pytorch 开发环境
根据项目 requirements.txt 安装第三方库依赖
下载权重文件
下载训练集，这个几十G，有点大
具体的配置方法，直接看这里：
https://github.com/babysor/MockingBird/blob/main/README-CN.md
环境搭建的方法，可以参考我写过的两篇文章：
都搞定了，就可以运行代码了。
有两种模式可以启动，Web 模式和工具箱模式。
在项目根目录运行：
python web.py即可开启 Web ，打开地址 http://localhost:8080 就能操作了。
这个界面比较简陋，建议使用工具箱模式。
python demo_toolbox.py -d <datasets_root>datasets_root就是下载好的数据集的地址。
总结
Enjoy it！
喜欢的话，来个再看喽~
推荐阅读:
入门: 最全的零基础学Python的问题 | 零基础学了8个月的Python | 实战项目 |学Python就是这条捷径
干货:爬取豆瓣短评，电影《后来的我们》 | 38年NBA最佳球员分析 | 从万众期待到口碑扑街！唐探3令人失望 | 笑看新倚天屠龙记 | 灯谜答题王 ｜用Python做个海量小姐姐素描图 ｜碟中谍这么火，我用机器学习做个迷你推荐系统电影
趣味:弹球游戏 | 九宫格 | 漂亮的花 | 两百行Python《天天酷跑》游戏!
AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火，我用机器学习做个迷你推荐系统电影
小工具: Pdf转Word，轻松搞定表格和水印！ | 一键把html网页保存为pdf！| 再见PDF提取收费！ | 用90行代码打造最强PDF转换器，word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器！ ｜60行代码做了一个语音壁纸切换器天天看小姐姐！｜年度爆款文案
点阅读原文，看B站22个原创视频！
2515
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
