三秒语音就能克隆自己的声音 VALL-E-X 使用教程

仓库部署

仓库地址：https://github.com/Plachtaa/VALL-E-X

安装命令（python3.10.0）

git clone https://github.com/Plachtaa/VALL-E-X.git
cd VALL-E-X
pip install -r requirements.txt

启动命令

python -X utf-8 launch-ui.py

运行后会自动下载模型文件

这里可能需要科x上w，不然下载会报错。也可以根据readme的提示手动下载checkpoint文件

启动后的界面

克隆声音

序号1上传自己录制的音频，序号2起一个名称，点击make开始克隆

克隆完成后，按下图操作，输入朗读文本，点击生成

显卡加速

默认是用cpu，建议开启显卡加速使用gpu提升速度

先卸载原来的torch

pip uninstall torch torchvision torchaudio

重新安装，cu120表示cuda的版本

pip install torch torchvision torchaudio index-url https://download.pytorch.org/whl/cu121

windows查看cuda版本命令：nvcc --version

重新运行

python -X utf-8 launch-ui.py

现在就可以使用显卡加速了

声音处理

推荐几个声音处理工具

背景音分离：https://github.com/Anjok07/ultimatevocalremovergui
windows下载https://github.com/Anjok07/ultimatevocalremovergui/releases/download/v5.6/UVR_v5.6.0_setup.exe

声音切片工具：https://github.com/flutydeer/audio-slicer
windows下载https://github.com/flutydeer/audio-slicer/releases

参考

• https://www.cnblogs.com/wuliytTaotao/p/11453265.html#%E6%9F%A5%E7%9C%8B-cuda-%E7%89%88%E6%9C%AC-1
• https://www.youtube.com/watch?v=D8tFRIF92WY

欢迎关注破晓一代公众号，获取最新ai开源工具使用教程

原文博客：https://blog.abyssdawn.com/archives/236.html