Fish Speech：開源文本轉語音工具，輕鬆克隆你的聲音！

各位朋友大家好 歡迎來到 AI 技術分享頻道 今天我們要爲大家介紹和分享的開源項目 叫做 Fish Speech 它最核心的功能 是能夠幫助我們將文本轉換成語音 也就是 AI 配音的功能 其實我們在之前的節目當中 也爲大家介紹過 EdgeTTS 這一個開源項目 它也能夠實現同樣的功能 相對於 EdgeTTS 來說 Fish Speech 還能夠實現 語音克隆的功能 也就是我們可以提供 5~10 秒左右的音頻樣本 然後的話它就可以克隆樣本當中的音色 幫助我們完成 文本轉語音的功能 那麼瞭解了它的基本的功能之後 實際上接下來的話 我們也可以在本地的計算機當中 完成這個項目的安裝以及效果的演示 在我們的演示環境當中 我們就已經打開了 Fish Speech 這一個項目的主頁 然後我們在這裏就可以選擇克隆它的地址 同時打開命令提示符 運行相應的命令 完成項目克隆的過程 在它克隆的過程當中 我們又可以重新回到它的主頁當中 然後它也會告訴我們對於這個項目來說 它最核心的功能 同時的話我們也能夠查看到幫助文檔 所以我們可以在這裏選擇打開這個幫助文檔 它也會告訴我們 要在本地的計算機當中 安裝和運行這個項目 它的一些基本的要求 以及安裝的順序 首先我們需要去完成它的克隆 克隆完成之後的話 然後我們就可以進入到它的目錄當中 同樣的去完成 運行環境的創建 然後我們也需要去激活它的運行環境 所以我們切換到這個目錄當中 完成它的激活過程 而激活完成之後的話 它也會告訴我們 我們需要去安裝 pytorch 的組件 這樣的話它也能夠使用 GPU 的加速 幫助我們去完成 文本轉語音的過程 所以的話我們也可以打開 pytorch 的主頁 同樣複製相應的命令 重新回到命令提示符當中 運行這些命令 完成 pytorch 安裝的過程 完成了 pytorch 組件的安裝之後 我們又可以重新回到它的文檔當中 它也會告訴我們 需要去完成它所依賴的所有這些不同組件的安裝 所以的話我們也可以選擇複製相應的命令 然後選擇回車 完成它的安裝過程 完成了所有的組件安裝之後 在文檔當中 它還會提示我們 我們可以安裝這個組件 從而開啓編譯的加速 所以的話我們選擇 這條命令之後 然後完成它的安裝過程 然後接下來的話 我們又可以重新回到它的頁面當中 現在它的安裝過程 其實就已經結束 然後我們還需要去下載它所依賴的這些不同模型 所以我們也能夠查看到 我們可以複製相應的命令 去完成這一個過程 然後選擇回車 它就會幫助我們去完成兩個不同模型下載的過程 完成了模型文件的下載之後 那麼它的安裝過程 其實就已經結束 然後我們又可以重新回到文檔當中 選擇推理的選項 那麼我們就能夠查看到 我們可以通過命令的方式完成推理 其實也可以通過 WebUI 的方式同樣去完成推理的過程 所以在這裏的話其實它也告訴我們相應的命令 我們通過這個命令 就可以去啓動 WebUI 所以在我們當前的運行環境當中 我們也已經準備好了這一個命令 然後我們在這裏的話選擇回車之後 它就會幫助我們去啓動 WebUI 的工具 啓動完成之後 然後我們就可以在瀏覽器當中 輸入相應的地址 選擇回車之後 然後我們就能夠查看到 WebUI 的地址 在這裏的話我們就可以去輸入相應的文本 同時它也包括了一些不同的選項 現在的話我們都保持默認的設置 並且選擇生成 然後它就會依據我們指定的文本 幫助我們生成 語音的信息 也就是完成 文本轉語音的過程 現在我們就能夠查看到 轉換的過程其實就已經結束 然後我們可以在這裏選擇播放 文章篇幅不長 以雙欄的版式排了區區六頁而已 比徹的筆觸不綴雕飾技術性強 主要讀者是專業人士而不是 我們能夠查看到 它的效果其實還是非常不錯的 另外的話其實我們也能夠了解到 這裏我們還可以選擇參考音頻的選項 然後去指定 5~10 秒左右的參考音頻 這樣的話它就可以幫助我們去克隆聲音 所以我們在這裏也已經準備好了這樣的一個參考音頻 它的長度是 7 秒 首先我們也可以選擇對它進行播放 現在他們像往常一樣圍坐在一起吃早飯了 然後接下來的話我們還需要去指定參考的文本 那麼這一個文本就是我們指定的 音頻當中的文本 所以我們可以去選擇複製這個文本 並且接下來的話把它粘貼到這個地方 然後我們又可以選擇生成 轉換完成之後 然後我們在這裏又可以選擇播放 文章篇幅不長 以雙欄的版式排了區區六頁而已 我們能夠查看到 它的聲音其實還是非常接近的 也就是它的音色克隆功能 其實還是可以的 其實我們又可以重新聽一下這個參考的音頻 現在他們像往常一樣圍坐在一起吃早飯了 我們能夠查看到 效果還是不錯的 另外的話其實我們還可以對於這些選項進行調整 比如我們去修改這個選項 然後再一次選擇生成的時候 那麼它的音色 就會更加的接近 簡而言之的話其實我們可以對於這些不同選項 然後進行調整 調整之後的話能夠查看到它的音色 實際上會發生小幅度的改變 這樣的話我們就可以依據自己的需求 選擇這些不同選項進行調整 最終的話生成 我們滿意的一個結果 完成了推理過程之後 然後我們在這裏可以再一次選擇播放 文章篇幅不長 以雙欄的版式排了區區六頁而已 那麼這一次的話其實會更加的接近 當然 這個接不接近 實際上是一個非常主觀的判斷 我們可以根據自己的實際情況 然後選擇自己最喜歡的這些參數 最終生成我們所需要的這些音頻 那麼生成音頻完成之後 如果需要的話我們可以在這裏選擇對它進行下載就可以 這樣的話我們就能夠獲得我們所需要的這個音頻 那麼最終總結的話其實就是相對於 EdgeTTS 來說 Fish Speech 它爲我們提供了一個音色克隆的功能 這樣的話我們可以 上傳參考的音頻 那麼接下來它幫助我們將文本轉換成語音的過程時候 就會使用我們參考音頻當中的音色 但是相對於 EdgeTTS 來說 如果我們自己進行測試的時候會發現一點 就是它去生成 音頻的過程當中 它的時間相對來說 會長很久 也就是長很多 那麼也就是說 它的這種效率 相對於 EdgeTTS 來說的話並不是那麼的高 那麼這一點的話其實也是我們需要去了解的 兩者是有利有弊的 那麼好我們今天的這個分享到這裏就已經結束 如果你對於我們的這一期節目感興趣 那麼也歡迎大家去 點贊和分享我們的這一期節目 並且關注我們的這個頻道 我們下一期節目再見 謝謝大家