AI应用帮,帮你用AI
公众号:AI应用帮
「 文中提供获取方式 」
▼
本期带来声音克隆并生成双人对话的工具整合包 —— MOSS-TTSD
MOSS-TTSD(Text to Spoken Dialogue) 是由清华大学语音与语言实验室联合 Tencent AI Lab 开发的开源口语对话语音生成模型。它能够将多轮文本对话自然地转化为具备人物风格、情绪表达的中英文对话语音。该模型融合了大规模语音数据与语义-音学神经网络,支持零样本语音克隆与多说话人切换,广泛适用于播客、访谈等富表现力语音生成需求场景。
👇👇👇—— 底部教程有生成结果示例 ——👇👇👇
开源地址:https://github.com/OpenMOSS/MOSS-TTSD
视频教程
电脑需满足以下配置:
操作系统:Windows 10/11 64位
内存:16G以上(内存不足可以通过增加虚拟内存方式解决,可自行搜索操作教程)
显卡:要求8G及以上显存的英伟达(NVIDIA)显卡
CUDA :显卡驱动更新到最新后,支持的CUDA版本大于等于12.8版本(如不知道显卡支持的CUDA版本,可在此链接查看:https://aiyy.info/supported-cuda-versions/)
整个包解压之后约19.9G,留足硬盘空间
打开任务管理器
点击"性能" 点击"GPU" 右上角可以看到显卡型号,下方可以看到显存大小
① 打开下载页面(https://aiyy.info/moss-ttsd/)点击页面右侧下载按钮,下载整合包之后解压,建议使用winrar解压(解压软件在文件包中,或者可以自己下载安装,下载地址:https://www.winrar.com.cn/)
不要用Windows自带解压!!不要用360解压!!
注意:文件夹路径和文件名称(包括视频、图片、音频等文件名称)不要出现中文字符,否则部分软件会因识别不出而报错
② 双击"一键启动.bat",稍等片刻会在浏览器中自动打开操作界面
③ 选择界面语言为中文,然后输入需要生成的文本(注意,一定要严格按照格式:[S1]后面接角色1文本。[S2]后面接角色2文本。如下方示例所示),然后选择输入模式,Single是上传一个包含两个角色对话的音频,但是建议选择Role分别上传角色1和角色2的音频,然后在下方分别上传角色1和角色2的音频,再在对应音频下方的框中分别输入角色1和角色2的音频对应的文本内容,最后点击"生成音频"。
如下方示例所示,生成结果位于下方,点击播放按钮可以试听,点击生成结果右上角的下载按钮可以保存至指定文件夹
生成结果也会保存在文件包中的"outputs"文件夹中
以上就是本期分享的内容,所需工具在下方网址中👇👇👇可以自取👇👇👇
更多AI软件获取方式
关注下方公众号
及时获取更多资讯
没有评论:
发表评论