ChatTTS用固定音色生成语音

看了网上相关的ChatTTS用固定音色生成语音,基本都没跑通。

跑去官网看了一下,有参考案例:
 

import torch
import torchaudio
import os
from uvicorn import run
import time
from fastapi import FastAPI, HTTPException, Response, File, UploadFile
from pydantic import BaseModel
from fastapi.responses import StreamingResponse
import requests
import ChatTTS
from urllib.parse import quote

chat = ChatTTS.Chat()

chat.load(source='local',
          custom_path='/your_model_path/2Noise/ChatTTS/',
          device='cuda',
          compile=False)


# 检查音色文件是否存在,存在,直接加载保存的音色文件,不存在就随机选一个保存(多试几次,选个喜欢的)
file_path = '/your_path_to_save/speaker/girl4.pth'
if not os.path.exists(file_path):
    rand_spk = chat.sample_random_speaker()
    # torch.save(rand_spk, '/your_path_to_save/speaker/girl4.pth')
    # rand_spk = torch.load('/your_path_to_save/speaker/girl4.pth')
    torch.save(rand_spk, '/your_path_to_save/speaker/girl4.pth')
else:
    rand_spk = torch.load(file_path)
print(rand_spk) # save it for later timbre recovery

params_infer_code = ChatTTS.Chat.InferCodeParams(
    spk_emb = rand_spk, 
    temperature = .3,  
    top_P = 0.7, 
    top_K = 20,
)

params_refine_text = ChatTTS.Chat.RefineTextParams(
    prompt='[oral_2][laugh_0][break_6]',
)

text = '这是一个推理示例,生成一个语音'
wavs = chat.infer(text,
                skip_refine_text=True,
                params_refine_text=params_refine_text,
                params_infer_code=params_infer_code)

try:
    torchaudio.save("word_level_output.wav", torch.from_numpy(wavs[0]).unsqueeze(0), 24000)
except:
    torchaudio.save("word_level_output.wav", torch.from_numpy(wavs[0]), 24000)

注意:我照官网这个用下来,声音还是有变化的呀????声音还是没有固定

在ChatTTS的官网上看到有个类似的issue,作者的回复是这样的,看来是模型本身的问题,只能等官网后续优化了:

参考

模型权重文件 来自:https://huggingface.co/2Noise/ChatTTS

chatTTS官网:https://github.com/2noise/ChatTTS

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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