MockingBird语音克隆学习

MockingBird语音克隆学习的过程，如安装依赖、合成器(训练模型)、声码器、需要注意、运行，大家可以看看避免踩坑，有帮助的话给我点个赞吧~

MockingBird 语音克隆学习

• 使用
  • 安装依赖
    • 安装 PyTorch。 如果在用 pip 方式安装的时候出现 ERROR: Could not find a version that satisfies the requirement torch==1.9.0+cu102 (from versions: 0.1.2, 0.1.2.post1, 0.1.2.post2) 这个错误可能是 python 版本过低，3.9 可以安装成功 安装 ffmpeg。 运行pip install -r requirements.txt 来安装剩余的必要包。 安装 webrtcvad pip install webrtcvad-wheels。
  • 合成器(训练模型)
    • 自己训练
      • 数据集
        • aidatatang_200zh, magicdata, aishell3, data_aishell, 不传默认为aidatatang_200zh
      • 训练
        • 下载 数据集并解压：确保您可以访问 train 文件夹中的所有音频文件（如.wav） 进行音频和梅尔频谱图预处理： python pre.py <datasets_root> -d {dataset} -n {number} 可传入参数： -d {dataset} 指定数据集，支持 aidatatang_200zh, magicdata, aishell3, data_aishell, 不传默认为aidatatang_200zh -n {number} 指定并行数，CPU 11770k + 32GB实测10没有问题
      • 训练指令
        • 训练合成器： python synthesizer_train.py mandarin <datasets_root>/SV2TTS/synthesizer 当您在训练文件夹 synthesizer/saved_models/ 中看到注意线显示和损失满足您的需要时，请转到启动程序一步。
    • 他人共享
  • 声码器
    • 自己训练
      • 预处理数据: python vocoder_preprocess.py <datasets_root> -m <synthesizer_model_path> <datasets_root>替换为你的数据集目录，<synthesizer_model_path>替换为一个你最好的synthesizer模型目录，例如 sythensizer\saved_models\xxx 训练wavernn声码器: python vocoder_train.py <trainid> <datasets_root> <trainid>替换为你想要的标识，同一标识再次训练时会延续原模型 训练hifigan声码器: python vocoder_train.py <trainid> <datasets_root> hifigan <trainid>替换为你想要的标识，同一标识再次训练时会延续原模型 训练fregan声码器: python vocoder_train.py <trainid> <datasets_root> --config config.json fregan <trainid>替换为你想要的标识，同一标识再次训练时会延续原模型 将GAN声码器的训练切换为多GPU模式：修改GAN文件夹下.json文件中的"num_gpus"参数
    • 预置
  • 需要注意
    • 模型文件位置
      • main分支
        • MockingBird-main\data\ckpt\synthesizer
      • 0.0.1分支
        • MockingBird-0.0.1\synthesizer\saved_models
    • 子主题
  • 运行
    • web
      • python web.py
    • 工具箱
      • python demo_toolbox.py