无人直播场景中的语音技术:真实拟声的文本转语音技术实现
管理 10月前

演示Demo

音频切片+音频标注+模型训练首先,我们需要对训练声音素材进行提纯处理,去除掉背景音和杂音。这里推荐使用UVR工具进行声音提纯。

无人直播场景中的语音技术:真实拟声的文本转语音技术实现

二、对声音素材进行切片

无人直播场景中的语音技术:真实拟声的文本转语音技术实现

三、对分段音频 进行 文本标注切片好的音频经过手动筛选过短的音频 放入 raw_audio

点击 0.带标点符号的标注

标注完成

打开 bert vist2 整合包启动 webui

创建 文件夹

启动 webui创建训练的模型自己创建目录 将切好片的声音文件 放入 custom_character_voice将标注好的文本放入 filelists

文本预处理

生成bert 文件

生成 emo文件

写入 训练参数 批大小 根据显卡设置 我这里设置16

训练中