本帖最后由 infharry 于 2023-12-05 22:07 编辑
演示Demo1 AI木鱼水心&AI懒羊羊 https://player.bilibili.com/player.html?bvid=BV1DC4y197Gp&autoplay=0 演示Demo2 AI舌尖上的中国 https://player.bilibili.com/player.html?bvid=BV1bb4y1L7mo&autoplay=0 介绍可预测感情文本转语音（Predictive Emotional Text-to-Speech）是一种人工智能技术，它可以将文本转化为具有情感色彩的语音。这种技术主要依赖于机器学习和自然语言处理技术，以实现从文本到语音的转换，同时能够模拟出不同的情感表达，如快乐、悲伤、愤怒等。 可预测感情文本转语音技术的工作原理是，首先对大量的文本数据进行情感分析，以了解不同情感表达的语法和词汇使用情况。然后，利用这些信息，人工智能模型可以预测给定文本的情感倾向，并调整语音输出的音调和语速等参数，以匹配这种情感倾向。 流程包括文本预处理、声学模型处理训练和后处理三个步骤。首先，文本预处理会对标注的文本分析和处理，例如分词、词性标注和语法分析等。然后，声学模型训练会将文本转化为声学特征，这个过程通常需要大量的语音数据来训练。最后，后处理会对生成的语音波形进行优化和调整，以使其更符合直播带货的需求。 以下是可预测情感文本转语音模型训练的步骤一、训练前的数据集与工具的准备首先，我们需要准备所需的工具和整合包，包括各种软件和工具库。这些工具我会在下方分享出来 
音频切片+音频标注+模型训练 本文学习有一定难度，且如果你时间有限，也可以选择在模型工坊中下载已经训练的声音模型，这些模型已经经过精细优化，可以直接下载导入使用。 演示声音模型已放到模型工坊 -------- (非推广)------------ bert-vits2.1 懒羊羊声音模型 当然，如果你想自己训练声音模型，可以根据下面的步骤进行操作。 首先，我们需要对训练声音素材进行提纯处理，去除掉背景音和杂音。这里推荐使用UVR工具进行声音提纯。 1、首先对要对训练声音素材声音提纯处理去除掉背景音和杂音 这里推荐UVR 2、对声音素材进行切片对音频进行切片 3、对分段音频进行文本标注切片好的音频经过手动筛选过短的音频放入 raw_audio 点击 0.带标点符号的标注 
标注完成 
4、对标准的文本和处理好的音频数据集 进一步的筛选https://github.com/cronrpc/SubFix 开源地址 本项目适配Bert-Vits2的list文件的标注格式，可以轻松添加到已有的自动标注数据处理的工作流中。
或者也可以使用本项目自带的一个音频自动标注方法，之后再进行精修。 
二、模型的训练 文本预处理 bert emo 文件的生成打开 bert vist2 整合包 启动 webui 1、创建文件夹启动 webui 创建训练的模型 自己创建目录 2、将切好片的声音文件 放入 custom_character_voice 将标注好的文本放入 filelists3、文本预处理4、生成bert 文件5、生成 emo文件6、写入 训练参数 批大小 根据显卡设置 我这里设置16训练中 
训练中 注：若转载请注明大神论坛来源（本贴地址）与作者信息。
下方隐藏内容为本帖所有文件或源码下载链接：
游客你好，如果您要查看本帖隐藏链接需要登录才能查看，
请先登录
|
发表于 2023-12-05 22:07
发表于 2023-12-05 23:24:18.0
评分
顶
踩
扫码赞助