本地部署 EmotiVoice易魔声 多音色提示控制TTS

EmotiVoice易魔声 介绍

EmotiVoice是一个强大的开源TTS引擎，支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。

EmotiVoice提供一个易于使用的web界面，还有用于批量生成结果的脚本接口。

ChatGLM3 Github 地址

https://github.com/netease-youdao/EmotiVoice

部署 EmotiVoice

克隆代码库，

git clone https://github.com/netease-youdao/EmotiVoice
cd EmotiVoice
1
2

创建虚拟环境，

conda create -n EmotiVoice python=3.10 -y
conda activate EmotiVoice
1
2

使用 pip 安装 pytorch，

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
# conda install -y -c "nvidia/label/cuda-12.1.0" cuda-runtime
1
2

验证 cuda 可用，

python -c "import torch;print(torch.cuda.is_available());"
1

使用 pip 安装依赖，

pip install numpy numba scipy transformers==4.26.1 soundfile yacs g2p_en jieba pypinyin
1

准备模型文件

git lfs install
git clone https://huggingface.co/WangZeJun/simbert-base-chinese WangZeJun/simbert-base-chinese
1
2

准备预训练模型

下载预训练模型, 然后运行:

mkdir -p outputs/style_encoder/ckpt
mkdir -p outputs/prompt_tts_open_source_joint/ckpt
1
2

将 g_*, do_*文件放到outputs/prompt_tts_open_source_joint/ckpt，将checkpoint_*放到outputs/style_encoder/ckpt中.

推理

推理输入文本格式是：<speaker>|<style_prompt/emotion_prompt/content>|<phoneme>|<content>.

例如: 8051|非常开心|<sos/eos> uo3 sp1 l ai2 sp0 d ao4 sp1 b ei3 sp0 j ing1 sp3 q ing1 sp0 h ua2 sp0 d a4 sp0 x ve2 <sos/eos>|我来到北京，清华大学.

其中的 speaker 说明，可以参考这个页面。

其中的音素（phonemes）可以这样得到：python frontend.py data/my_text.txt > data/my_text_for_tts.txt.

然后运行：

TEXT=data/inference/text
python inference_am_vocoder_joint.py \
--logdir prompt_tts_open_source_joint \
--config_folder config/joint \
--checkpoint g_00140000 \
--test_file $TEXT
1
2
3
4
5
6

合成的语音结果在：outputs/prompt_tts_open_source_joint/test_audio.

或者你可以直接使用交互的网页界面：

pip install streamlit
streamlit run demo_page.py
1
2

完结！