【有手就行】使用你自己的声音做语音合成的docker镜像
1.5K
docker run -it -p 8880-8889:8880-8889 --gpus all initialencounter/paddlespeech:ttsfinetune-latest /bin/bash
镜像集成了 jupyterlab，进入容器后，可通过以下命令开启服务。
jupyter lab --ip=0.0.0.0 --port=8880 --allow-root --notebook-dir=/home/aistudio
1.将你的语音文件放到 work/init 目录下
可通过 docker cp 或者 scp 将你的语音文件放到这个目录 语音文件要求
2.开始训练
直接运行
python main.py
可以编辑 main.py 里的代码 根据自己的需要来微调模型
cd /home/aistudio/initialencunter/PaddleSpeech
# 将 model 替换为你的exp_name
am_inference_dir = os.path.abspath("/home/aistudio/inferrence/init")
# 如果你的 exp_name 为 "demo"
# 则将代码修改为
am_inference_dir = os.path.abspath("/home/aistudio/inferrence/demo")
python app.py
对于语音合成任务，对数据是有一定要求的，尽可能上传干净的人声数据，比如像示例中的人声数据，在安静环境下录制，录制设备无论是手机，电脑，还是别的设备都可以，注意一定要控制噪音，或者提前使用音频剪辑软件进行降噪。（一定要是中文数据，这个项目目前只支持中文数据！！其它语言预标注环节会出错！） > > 1. 音频不要太长，也不要太短，2s~10s之间，音频太长会报错！ > 2. 音频尽量是干净人声，不要有BGM，不要有比较大的杂音，不要有一些奇奇怪怪的声效，比如回声等 > 3. 声音的情绪尽量稳定,以说话的语料为主，不要是『嗯』『啊』『哈』之类的语气词 > 4. 音频数量大于5 条！！否则会报错！！ > > 关于录音工具的选择： > > 你可以使用一些在线运行的录音工具或者 【Adobe Audition】，【Cool Edit Pro】, 【Audacity】 等录音软件录制音频，保存为 24000采样率的 Wav 格式 > > 也可以通过手机录音后，使用格式工厂等格式转换软件，将手机录音转换成 Wav 格式后上传到这个项目中。
Content type
Image
Digest
sha256:cf04d24ee…
Size
10.8 GB
Last updated
about 3 years ago
docker pull initialencounter/paddlespeech:ttsfinetune-latest