Редактор: xixi, Ли Баочжу

Основатель РВК открыл открытый исходный код GPT-SoVITS, проекта клонирования тембра. Вам нужно всего лишь предоставить 5-секундный образец голоса, чтобы получить клонированный голос со сходством от 80% до 95%.

«Голос» — это «технология раннего образования», позволяющая людям вступить в контакт с ИИ. Это также одна из первых технологий ИИ, вышедшая из лабораторий и проникшая в тысячи домохозяйств. Первоначально исследования интеллектуальной речи в основном были сосредоточены на распознавании речи, то есть на том, чтобы заставить машины понимать человеческий язык.

Самая ранняя компьютерная система распознавания речи была разработана AT&T Разработано Bell Laboratories Одри, способная идентифицировать 10 Английские цифры. 1988 год В 2016 году Кай-Фу Ли реализовал первую систему распознавания речи с большим словарным запасом, основанную на скрытых марковских моделях. Sphinx。1997 Первая в мире система непрерывной голосовой диктовки для потребителей Dragon NaturallySpeaking Официально выпущен. 2009 год В 2016 году Майкрософт Windows 7 Голосовые функции интегрированы в операционную систему.

2011 год, знаковый продукт iPhone 4S Разместил: Сири Рождение умного голоса вывело интеллектуальный голос от распознавания на новый этап «взаимодействия».тот же год,Google объявляет о начале внутреннего тестирования Google Ищите и в ближайшие дни будет в Google.com Голосовой поиск запущен на .

Переход от слушания к разговору также является важным краеугольным камнем для процветания и развития взаимодействия человека и компьютера. В настоящее время, от умных домов до умного вождения и роботов, голосовое взаимодействие стало более плавным благодаря постоянному обновлению искусственного интеллекта, и различные приложения процветают. С технической стороны крупные поставщики облачных вычислений открыли исходные коды своих голосовых возможностей искусственного интеллекта в виде API-интерфейсов, что позволяет разработчикам в дальнейшем создавать приложения на их основе.

В последние годы, поскольку большие модели продолжают пользоваться популярностью, возможности открытого исходного кода непосредственно на уровне модели привлекают все больше внимания. Разработчики могут еще больше улучшить эффект развертывания между моделью и разрабатываемыми ею приложениями путем обучения и тонкой настройки модели. .

не так давно,RVC (Retrieval based Voice Conversion) Основатель (GitHub Аккаунт: РВК-Босс) выложил в открытый доступ проект клонирования звука GPT-SoVITS,Он приобрел большую популярность после запуска в Интернете.,Многие блогеры и разработчики используют звуки популярных героев кино и телевидения, а также героев аниме.,Индивидуальные линии для различных типов парусников.,Эффект ловли лошадей и простота управления,Это также заставило группу пользователей сети прийти, услышав эту новость.,Еще раз подливая масла в огонь своей популярности. По тесту крупных блогов,Просто предоставьте 5 За несколько секунд после прослушивания образца голоса вы можете получить подобие 80%~95% клонированный голос.

В настоящее время руководство по развертыванию модели доступно на официальном сайте HyperAI. Нажмите, чтобы начать клонирование:

https://hyper.ai/tutorials/29812

Редактор попросил оригинального персонажа-бога Паймэн сыграть эпизодическую роль королевы в «Легенде о Чжэнь Хуане» ↓

Учебное пособие по клонированию звука AI, созданное Джеком-Кюи, популярным мастером Station B, выглядит следующим образом:

Пошаговое руководство выглядит следующим образом. Подготовьте 5 секунд речи, чтобы начать обучение модели клонирования голоса!

Подготовка данных

В настоящее время в этом руководстве задано несколько классических звуков персонажей, которые каждый может испытать. Если вы хотите клонировать другие звуки, вам необходимо подготовить аудиофайл со звуком в формате MP3, предпочтительно один человеческий голос (около 30 секунд). Аудиофайлы высокого качества могут повысить реалистичность клонированных звуков.

1. Нажмите «Запустить это руководство онлайн», чтобы перейти на платформу OpenBayes.

2. Нажмите «Клонировать», чтобы клонировать модель. (На этом этапе можно услышать только звуки, загруженные Джеком-Кюи, мастером станции B)

3. Если вы хотите настроить клонированный звук, вам необходимо создать новый набор данных. После перехода «Наборы данных» в левой строке меню нажмите «Создать новый набор данных».

4. Заполните «Имя набора данных» и «Описание набора данных» по мере необходимости и нажмите «Создать набор данных».

5. После завершения создания нажмите «Загрузить новую версию» в правом верхнем углу, чтобы загрузить аудиофайл, который вы хотите клонировать.

Демо-запуск

1. Подготовка После заполнения данных, в левой строке меню «Общественное Учебное». пособие», открываем «ГПТ-СОВИТС» Синтез аудио онлайн Демо», вернитесь на страницу руководства и нажмите «Клонировать» в правом верхнем углу, чтобы клонировать руководство в свой собственный контейнер.

2. В настоящее время демо-версия привязана к аудиоданным Кели, Хуа Фей, Чжэнь Хуаня и Fat Orange. Объем привязанных данных в настоящее время заполнен. Вы можете удалить ненужные аудиоданные и добавить собственный созданный набор данных.

3. После завершения добавления нажмите «Проверить и выполнить».

4. После перехода на страницу нажмите «Продолжить». Рекомендуется RTX 4090.

Редактор обеспечил новые пользовательские преимущества для всех! Новые пользователи, которые зарегистрируются по ссылке-приглашению ниже, могут получить 4 часа RTX 4090 + 5 часов бесплатного вычислительного времени на процессоре.

Эксклюзивная ссылка-приглашение HyperAI Super Neuron (скопируйте ее прямо в браузер и откройте для регистрации):

https://openbayes.com/console/signup?r=Ada0322_QZy7

5. Подождите немного, пока статус не изменится на «Выполняется», затем нажмите «Открыть рабочую область». Клонирование и первый запуск контейнера занимает около 3-5 минут. Если он все еще находится в состоянии «Выделение ресурсов» более 10 минут, вы можете попытаться остановить и перезапустить контейнер. Если перезапуск по-прежнему не помогает. проблема, пожалуйста, свяжитесь со службой поддержки клиентов платформы на официальном сайте.

6. После открытия рабочей области нажмите «run.ipynb» слева, нажмите «Выполнить все ячейки» через кнопку «Выполнить» в строке меню.

7. Найдите «Выполнение по общедоступному URL» и откройте ссылку.

8. В модуле «Адрес набора данных» введите адрес набора данных, звук которого вы хотите клонировать на этот раз, выберите тип аудиоданных и нажмите «Начать обучение». Выходной результат будет отображаться как «Модель». начинает прогнозирование, подождите». Вернитесь к «run.ipynb», и вы увидите сообщение «Обучение GPT завершено».

9. Откройте «Адрес API» справа. Обратите внимание, что пользователи должны пройти аутентификацию по настоящему имени, прежде чем они смогут использовать функцию доступа к адресу API.

Отображение эффектов

1. Выберите обученную модель в «Списке моделей GPT» и «Списке моделей SoVITS», затем введите текст в «Текст вывода», нажмите «Начать вывод», подождите немного, и вы можете играть счастливо!

В настоящее время на официальном сайте HyperAI опубликованы сотни избранных руководств по машинному обучению, организованных в формате блокнота Jupyter.

Щелкните ссылку, чтобы найти соответствующие учебные пособия и наборы данных:

https://hyper.ai/tutorials