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

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多