mimic-recording-studio

mimic-recording-studio

提升TTS音质的专业录音与数据训练工具

Mimic Recording Studio是一个全面的软件解决方案,旨在提升Text-to-Speech(TTS)技术的音质。它支持多种语言的语料库开发,并通过先进的录音与数据处理技术,提高TTS语音模型的清晰度和标准化。该平台的用户友好录音系统和强大的后端处理功能,使其成为语音合成研究和开发的首选工具。

Mimic Recording StudioMycroftText-to-Speech音频记录DockerGithub开源项目

Mimic Recording Studio 项目介绍

Mimic Recording Studio 是一款用于采集语音训练数据的软件,旨在生成特定声音的文字转语音模型。该项目由 Mycroft 开发,与开源技术结合,通过简化数据采集过程,使个人能够记录其声音,从而为 Mimic 创建独一无二的语音模型。

软件快速入门

Windows 自托管快速启动

要在 Windows 上运行 Mimic Recording Studio,用户只需克隆代码库并执行批处理文件:

git clone https://github.com/MycroftAI/mimic-recording-studio.git cd mimic-recording-studio start-windows.bat

Linux/Mac 自托管快速启动

在 Linux 或 Mac 上,用户需要安装 Docker 和 Docker Compose,然后通过以下命令来构建和运行:

git clone https://github.com/MycroftAI/mimic-recording-studio.git cd mimic-recording-studio docker-compose up

用户也可以分别构建和运行:

docker-compose build docker-compose up

浏览器中访问 http://localhost:3000 即可开始使用。

注:首次执行 docker-compose up 可能较慢,因为该命令会同时构建 docker 容器。

手动安装、构建和启动

后端

后端需要 Python 3.5+ 和 ffmpeg:

cd backend/ pip install -r requirements.txt python run.py

前端

前端依赖 node & npm 以及 create-react-app:

cd frontend/ npm install npm start

数据处理

Mimic Recording Studio 会将音频保存为 WAV 文件,并自动修剪开头和结尾的静音。每个 WAV 文件都会生成对应的元数据文件 {uuid}-metadata.txt,用于记录对应的文本信息。

语料库

默认使用的英语语料库可以替换为用户创建的语料库,只需遵循特定格式并更新环境变量即可。

使用技术

前端

Mimic Recording Studio 的前端由 JavaScript 和 React 构建,具备录音播放、音频可视化和指标显示等功能。

后端

后端使用 Python 和 Flask 构建,负责音频处理、数据服务以及信息记录。

Docker

项目通过 Docker 实现容器化,通用的端口设置为前端 3000、后端 5000,用户可以通过配置文件进行调整。

录音提示

为了获得高质量的声音,Mimic Recording Studio 建议用户在安静环境中使用高质量话筒进行录制,控制录音时长以避免声音疲劳,并按时备份录音数据。

高级功能

用户可以通过查询 SQLite 数据库来管理录音,并根据需要修改记录的 uuid 以同步数据和浏览器设置。

向 Mycroft 提供录音

用户可在许可协议下将其录音捐赠给 Mycroft,这是增强语音识别模型的重要资源。

贡献和支持

用户可以通过 Mycroft 社区论坛和聊天平台获取支持,项目也欢迎用户贡献代码和建议。

Mimic Recording Studio 极大地方便了语音数据的采集和处理,让个性化语音技术触手可及。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多