【 AI 两步实现文本转语音】

news2024/9/30 23:30:38

基于hugging face 中 XTTS-v2 模型做文本转语音，此模型支持17种语言

1.登录hugging face 官网

https://huggingface.curated.co/ 或者 https://hf-mirror.com/models
找到models处下载XTTS-V2
如果你全程可以联网（/huggingface.co）直接步骤2
在这里插入图片描述
搜索模型XTTS-V2，选Files and Versions下载所有文件，其中红框选出来的是训练好的模型

在这里插入图片描述

2.生成语音

from TTS.api import TTS
tts = TTS("tts_models/multilingual/multi-dataset/xtts_v2", gpu=True)

# generate speech by cloning a voice using default settings
tts.tts_to_file(text="It took me quite a long time to develop a voice, and now that I have it I'm not going to be silent.",
                file_path="output.wav",
                speaker_wav="/path/to/target/speaker.wav",
                language="en")

如果不想玩花活，这两步就可以根据文本生成语音啦！
需要说明的是：生成的方式其实有多中，可以看Model card标签

代码的参数说明一下：
text:是要转换成语音的文字
tts_models/multilingual/multi-dataset/xtts_v2不要更改，这个是有规律的命名，model名/xxx
speaker_wav：是一段现成的语音，模型根据发音的音色来生成语音，所以理论上是可以生成任何人的语音。
file_path:是生成的语音
如无法联网，把你在步骤1下载好的模型放进模型加载的路径，这个路径怎么看呢，执行的时候，可以代码执行的终端有输出日志，下面红框可以看到：
在这里插入图片描述
我是windows，这个地方的路径是:c:users\你的用户名\AppData\Local\tts\tts_models–multilingual–multi-dataset–xtts_v2
实际这个路径是可以配置的也可以代码修改，此处可自行查询一下