ai代码训练方法（开源精选AI拟声）
ai代码训练方法（开源精选AI拟声）2.2使用社区预先训练好的合成器（与2.1二选一）假如你下载的 aidatatang_200zh文件放在D盘，train文件路径为 D:\data\aidatatang_200zh\corpus\train 你的datasets_root就是 D:\data\1.安装2.准备预训练模型2.1 使用数据集自己训练合成器模型（与2.2二选一）
《开源精选》是我们分享Github、Gitee等开源社区中优质项目的栏目，包括技术、学习、实用与各种有趣的内容。本期推荐的是一个基于python的AI拟声项目——MockingBird。
MockingBird可以通过5秒钟的音频素材完成克隆声音，产生的输出音色与原始声音非常相似，并且能够合成原始音频样本中不存在的声音和辅音，同时也支持生成任意语音内容。
MockingBird特性：
- 中文支持普通话并使用多种中文数据集进行测试：aidatatang_200zh magicdata aishell3 biaobei MozillaCommonVoice data_aishell 等
- PyTorch适用于 pytorch，已在 1.9.0 版本（最新于 2021 年 8 月）中测试，GPU Tesla T4 和 GTX 2060
- Windows Linux可在Windows操作系统和linux操作系统中运行（苹果系统M1版也有社区成功运行案例）
- Easy & Awesome下载器或新训练合成器合成器有良好的效果，自带声音预置的编码器/码，或实时的HiFi-GAN作为声码器
- Webserver Ready可服务器的训练结果，供远程调用
如何使用：
1.安装
- 安装PyTorch。
- 安装ffmpeg。
- 运行pip install -r requirements.txt来安装必要的包。
- 安装 webrtcvad pip install webrtcvad-wheels。
2.准备预训练模型
2.1 使用数据集自己训练合成器模型（与2.2二选一）
- 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
假如你下载的 aidatatang_200zh文件放在D盘，train文件路径为 D:\data\aidatatang_200zh\corpus\train 你的datasets_root就是 D:\data\
- 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。
2.2使用社区预先训练好的合成器（与2.1二选一）
相关地址请参考文末链接中的介绍
2.3训练声码器 (可选)
- 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_mode\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
3. 启动程序或工具箱
3.1启动Web程序：
python web.py 运行成功后在浏览器打开地址 默认为 http://localhost:8080
3.2启动工具箱
python demo_toolbox.py -d <datasets_root>
请指定一个可用的数据集文件路径，如果有支持的数据集则会自动加载供调试，也同时会作为手动录制音频的存储目录。
更多内容大家可自行前往阅读。
开源地址：github.com/babysor/MockingBird
