github.com/netease-youdao/EmotiVoice @v0.3

README: EN | 中文

<h1>EmotiVoice易魔声 😊: 多音色提示控制TTS</h1>







<a href="https://github.com/netease-youdao/EmotiVoice/raw/v0.3/README.md"><img src="https://img.shields.io/badge/README-EN-red"></a>
&nbsp;&nbsp;&nbsp;&nbsp;
<a href="https://github.com/netease-youdao/EmotiVoice/raw/v0.3/LICENSE"><img src="https://img.shields.io/badge/license-Apache--2.0-yellow"></a>
&nbsp;&nbsp;&nbsp;&nbsp;
<a href="https://twitter.com/YDopensource"><img src="https://img.shields.io/badge/follow-%40YDOpenSource-1DA1F2?logo=twitter&style={style}"></a>
&nbsp;&nbsp;&nbsp;&nbsp;

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。

以下是EmotiVoice生成的几个示例:

• Chinese audio sample

• English audio sample

• Fun Chinese English audio sample

开发中的特性

• [x] 易魔声 HTTP API 已于2023年12月6日发布上线。更易上手（无需任何安装配置），更快更稳定，单账户提供超过 13,000 次免费调用。此外，用户还可以使用智云提供的其它迷人的声音。
• [x] 用你自己的数据定制音色已于2023年12月13日发布上线，同时提供了两个教程示例：DataBaker Recipe LJSpeech Recipe。

易魔声倾听社区需求并积极响应，期待您的反馈！

快速入门

EmotiVoice Docker镜像

尝试EmotiVoice最简单的方法是运行docker镜像。你需要一台带有NVidia GPU的机器。先按照Linux和Windows WSL2平台的说明安装NVidia容器工具包。然后可以直接运行EmotiVoice镜像：

docker run -dp 127.0.0.1:8501:8501 syq163/emoti-voice:latest

Docker镜像更新于2023年11月29号。如果你使用了老的版本，推荐运行如下命令进行更新：

docker pull syq163/emoti-voice:latest
docker run -dp 127.0.0.1:8501:8501 syq163/emoti-voice:latest

现在打开浏览器，导航到 http://localhost:8501 ，就可以体验EmotiVoice强大的TTS功能。

完整安装

conda create -n EmotiVoice python=3.8 -y
conda activate EmotiVoice
pip install torch torchaudio
pip install numpy numba scipy transformers soundfile yacs g2p_en jieba pypinyin

准备模型文件

强烈推荐用户参考如何下载预训练模型文件的维基页面，尤其遇到问题时。

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

或者你可以运行:

git clone https://www.modelscope.cn/syq163/WangZeJun.git

推理

1. 通过简单运行如下命令来下载预训练模型:

git clone https://www.modelscope.cn/syq163/outputs.git

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

2. 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.

3. 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.

4. 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

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

1. 或者你可以直接使用交互的网页界面：

pip install streamlit
streamlit run demo_page.py

类OpenAI TTS的API

非常感谢 @lewangdev 的相关该工作 #60。通过运行如下命令来完成配置：

pip install fastapi
pip install pydub
pip install uvicorn[standard]
uvicorn openaiapi:app --reload

Wiki页面

如果遇到问题，或者想获取更多详情，请参考 wiki 页面。

训练

用你自己的数据定制音色已于2023年12月13日发布上线。

路线图和未来的工作

• 我们未来的计划可以在 ROADMAP 文件中找到。

• 当前的实现侧重于通过提示控制情绪/风格。它只使用音高、速度、能量和情感作为风格因素，而不使用性别。但是将其更改为样式、音色控制并不复杂，类似于PromptTTS的原始闭源实现。

微信群

欢迎扫描下方左侧二维码加入微信群。商业合作扫描右侧个人二维码。

    

致谢

• PromptTTS. PromptTTS论文是本工作的重要基础。
• LibriTTS. 训练使用了LibriTTS开放数据集。
• HiFiTTS. 训练使用了HiFi TTS开放数据集。
• ESPnet.
• WeTTS
• HiFi-GAN
• Transformers
• tacotron
• KAN-TTS
• StyleTTS
• Simbert
• cn2an. 易魔声集成了cn2an来处理数字。

许可

EmotiVoice是根据Apache-2.0许可证提供的 - 有关详细信息，请参阅许可证文件。

交互的网页是根据用户协议提供的。