开源语音克隆项目 OpenVoice V2 本地部署

news2025/4/3 23:36:56

#本机环境

WIN11 I5

GPU 4060ti 16G

内存 32G

#开始
git clone https://github.com/myshell-ai/OpenVoice.git

conda create -n opvenv python=3.9 -y

conda activate opvenv  

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple

pip install git+https://github.com/myshell-ai/MeloTTS.git

# 需要翻墙 
python -m unidic download

###
unidic无法下载问题:
1. 从 https://cotonoha-dic.s3-ap-northeast-1.amazonaws.com/unidic-3.1.0.zip 中下载
2. 把下载后的文件 你的文件根目录/miniconda3/envs/tts/lib/site-packages/unidic,并把 unidic-3.1.0.zip 重命名为 unidic.zip
3. 修改 download.py,找到 93 行,也就是在 download_version() 函数中,注释掉除了 download_and_clean() 之外的内容
4. 修改 download_and_clean() 中的参数,你可以随意设置
5. 修改 download.py 中的 63 行,注释 download_process()
6. 执行 python -m unidic download
###
cotonoha-dic.s3-ap-northeast-1.amazonaws.com

###
# 下载模型

 https://myshell-public-repo-host.s3.amazonaws.com/openvoice/checkpoints_1226.zip

https://myshell-public-repo-host.s3.amazonaws.com/openvoice/checkpoints_v2_0417.zip

解压后> ( 参考 USAGE.md 文件内容)

#下载ffmpeg 

conda install -c conda-forge ffmpeg

#启动
python -m openvoice_app --share

# 问题

文件openvoice_app.py 移动到上一层文件夹 ,同时修改OpenVoice -> openvoice,否则提示模块找不到

                                                                                                                                    
  import gradio as gr                                                                                                                           出现:                                                                                                
 ctx = ssl.create_default_context(cafile=os.environ["SSL_CERT_FILE"])                                       

解决> (同时处理  https://huggingface.co 无法访问)

2 修改源代码文件open voice.py  在最开头添加以下代码:
import ssl
# 检查并删除 SSL_CERT_FILE 环境变量
if "SSL_CERT_FILE" in os.environ:
    del os.environ["SSL_CERT_FILE"]
os.environ['HF_ENDPOINT'] = "https://hf-mirror.com"

#外网映射:
1. Download this file: https://cdn-media.huggingface.co/frpc-gradio-0.2/frpc_windows_amd64.exe
2. Rename the downloaded file to: frpc_windows_amd64_v0.2
3. Move the file to this location: C:\DevTools\anaconda3\envs\opvenv\lib\site-packages\gradio
 

#其他可能问题
nltk.data.find('taggers/averaged_perceptron_tagger.zip') 找不到或下载不了

一、下载数据文件

官方数据在https://github.com/nltk/nltk_data/tree/gh-pages中,不过,在github上下载文件也挺慢的。
所以,这里我们可以去码云上找到对应的项目https://gitee.com/qwererer2/nltk_data/tree/gh-pages/(链接如果失效可以在码云自行搜索nltk_data)。 
下载得到nltk_data-gh-pages.zip文件。

要把解压出来的文件夹package挪到对应的nltk搜索目录下并且将packages文件夹重新命名为nltk_data。

怎么查询nltk的搜索路径>>

import nltk
nltk.find('.')
输出:
FileSystemPathPointer('C:\\DevTools\\anaconda3\\envs\\opvenv\\share\\nltk_data')
各系统路径可能不同 按实际路径操作

 

成功后>

使用openVoice V2的办法: (参考 demo_part3.ipynb ) 直接把里面python代码拷贝到一个py文件内, 直接执行 ( 需要一定python基础 )

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2299412.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

DeepSeek大模型一键部署解决方案:全平台多机分布式推理与国产硬件优化异构计算私有部署

DeepSeek R1 走红后,私有部署需求也随之增长,各种私有部署教程层出不穷。大部分教程只是简单地使用 Ollama、LM Studio 单机运行量化蒸馏模型,无法满足复杂场景需求。一些操作配置也过于繁琐,有的需要手动下载并合并分片模型文件&…

如何利用PLM软件有效地推进制造企业标准化工作?

在智能制造浪潮的推动下,中国制造业正面临从“规模扩张”向“质量提升”的关键转型。工信部数据显示,85%的制造企业在产品研发、生产过程中因标准化程度不足导致效率损失超20%,而标准化水平每提升10%,企业综合成本可降低5%-8%。如…

环境影响评价(EIA)中,土地利用、植被类型及生态系统图件的制作

在环境影响评价(EIA)中,土地利用、植被类型及生态系统图件的制作需依据科学、法规和技术规范,以确保数据的准确性和图件的规范性。以下是主要的制作依据: 1. 法律法规与政策依据 《中华人民共和国环境影响评价法》 明确…

更高效实用 vscode 的常用设置

VSCode 可以说是文本编辑神器, 不止程序员使用, 普通人用其作为文本编辑工具, 更是效率翻倍. 这里分享博主对于 VSCode 的好用设置, 让 VSCode 如虎添翼 进入设置 首先进入设置界面, 后续都在这里进行配置修改 具体设置 每项配置通过搜索关键字, 来快速定位配置项 自动保存…

【异或数列——博弈论】

题目 思路 异或和为0(即每一位都有偶数个1):平局最高有效位只有唯一的1:先手必胜最高有效位有奇数个1,偶数个0:先手必胜 若先选1产生优势,则剩下偶数个1,偶数个0:对手选…

草图绘制技巧

1、点击菜单栏文件–》新建–》左下角高级新手切换–》零件; 2、槽口:直槽口,中心点槽口,三点源槽口,中心点圆弧槽口; 3、草图的约束:需要按住ctrl键,选中两个草图,然后…

Spring Boot中如何自定义Starter

文章目录 Spring Boot中如何自定义Starter概念和作用1. 概念介绍2. 作用和优势2.1 简化依赖管理2.2 提供开箱即用的自动配置2.3 标准化和模块化开发2.4 提高开发效率2.5 提供灵活的配置覆盖3. 应用场景创建核心依赖1. 确定核心依赖的作用2. 创建 starter-core 模块2.1 依赖管理…

内容中台构建高效数字化内容管理新范式

内容概要 在数字化转型浪潮中,高效的内容管理能力已成为企业构建核心竞争力的关键要素。通过动态发布引擎、元数据智能分类与跨平台协作机制,企业能够实现内容的实时触达与精准分发,同时确保知识资产在多终端环境下的无缝适配与安全共享。这…

PyQt组态软件 拖拽设计界面测试

PyQt组态软件测试 最近在研究PyQt,尝试写个拖拽设计界面的组态软件,目前实现的功能如下: 支持拖入控件,鼠标拖动控件位置 拖动控件边缘修改控件大小支持属性编辑器,修改当前选中控件的属性 拖动框选控件,点选控件 控…

深度学习R4周:LSTM-火灾温度预测

🍨 本文为🔗365天深度学习训练营中的学习记录博客🍖 原作者:K同学啊 任务: 数据集中提供了火灾温度(Tem1)、一氧化碳浓度(CO 1)烟雾浓度(Soot 1)…

Datawhale 数学建模导论二 笔记1

第6章 数据处理与拟合模型 本章主要涉及到的知识点有: 数据与大数据Python数据预处理常见的统计分析模型随机过程与随机模拟数据可视化 本章内容涉及到基础的概率论与数理统计理论,如果对这部分内容不熟悉,可以参考相关概率论与数理统计的…

UIView 与 CALayer 的联系和区别

今天说一下UIView 与 CALayer 一、UIView 和 CALayer 的关系 在 iOS 开发中,UIView 是用户界面的基础,它负责处理用户交互和绘制内容,而 CALayer 是 UIView 内部用于显示内容的核心图层(Layer)。每个 UIView 内部都有…

一键安装教程

Maven 安装 右键 以管理员身份运行点击 下一步安装完成后会同步配置环境变量打开 cmd, 输入 mvn 查看mvn版本修改 maven 本地仓库地址 见图三, 本地新建文件夹,修改为你本地文件夹地址 Redis 安装 右键 以管理员身份运行点击 下一步会安装到选择的文件夹下 JAVA\R…

李宏毅机器学习笔记:【6.Optimization、Adaptive Learning Rate】

Optimization 1.Adaptive Learning Rate2.不同的参数需要不同的学习率3.Root Mean Square4.RMSProp5.Adam6.learning rate scheduling7.warm up总结 critical point不一定是你在训练一个network时候遇到的最大的障碍。 1.Adaptive Learning Rate 也就是我们要给每个参数不同的…

vscode使用常见问题处理合集

目录 一、使用vite创建的vue3项目,script和style首行代码不会缩进,且格式化属性字段等会换行问题 首行缩进情况如下: 属性、参数格式化换行情况如下: 解决方式: 一、使用vite创建的vue3项目,script和style首行代码不…

【技术解析】MultiPatchFormer:多尺度时间序列预测的全新突破

今天给我大家带来一篇最新的时间序列预测论文——MultiPatchFormer。这篇论文提出了一种基于Transformer的创新模型,旨在解决时间序列预测中的关键挑战,特别是在处理多尺度时间依赖性和复杂通道间相关性时的难题。MultiPatchFormer通过引入一维卷积技术&…

【网络安全 | 漏洞挖掘】价值3133美元的Google IDOR

未经许可,不得转载。 文章目录 正文正文 目标URL:REDACTED.google.com。 为了深入了解其功能,我查阅了 developer.google.com 上的相关文档,并开始进行测试。 在测试过程中,我发现了一个 XSS 漏洞,但它触发的域名是经过正确沙盒化的 *.googleusercontent.com,这符合 …

大脑网络与智力:基于图神经网络的静息态fMRI数据分析方法|文献速递-医学影像人工智能进展

Title 题目 Brain networks and intelligence: A graph neural network based approach toresting state fMRI data 大脑网络与智力:基于图神经网络的静息态fMRI数据分析方法 01 文献速递介绍 智力是一个复杂的构念,包含了多种认知过程。研究人员通…

Python使用OpenCV图片去水印多种方案实现

1. 前言 本文为作者学习记录,使用Python结合OpenCV,总结了几种常见的水印去除方式,简单图片去水印效果良好,但是复杂图片有点一言难尽,本文部分代码仅供参考,并不能针对所有水印通用,需要根据具…

基于角色访问控制的UML 表示02

一个用户可以成为很多角色的成员,一个角色可以有许多用户。类似地,一个角色可以有多个权限,同一个权限可以被指派给多个角色。每个会话把一个用户和可能的许多角色联系起来。一个用户在激发他或她所属角色的某些子集时,建立了一个…