Project Icon

CosyVoice_For_Windows

多语言语音合成工具 支持零样本和跨语言生成

CosyVoice_For_Windows是一个开源的语音合成项目,支持多语言、零样本和跨语言语音生成。该工具提供SFT、零样本、跨语言和指令推理等多种模式。项目包含Web演示界面,便于快速了解功能。同时还支持高级训练和部署,适用于语音合成的研究和应用开发。

CosyVoice

👉🏻 CosyVoice 演示 👈🏻

[CosyVoice 论文][CosyVoice 工作室][CosyVoice 代码]

关于 SenseVoice,请访问 SenseVoice 仓库SenseVoice 空间

安装

克隆并安装

  • 克隆仓库
git clone --recursive https://github.com/v3ucn/CosyVoice_For_Windows.git
# 如果由于网络问题克隆子模块失败,请重复运行以下命令直到成功
cd CosyVoice_For_Windows
git submodule update --init --recursive
conda create -n cosyvoice python=3.11
conda activate cosyvoice
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com

从 https://github.com/S95Sedan/Deepspeed-Windows/releases/tag/v14.0%2Bpy311 安装 deepspeed

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# 如果你使用 Windows
无需安装 sox 

模型下载

我们强烈建议您下载我们预训练的 CosyVoice-300MCosyVoice-300M-SFTCosyVoice-300M-Instruct 模型和 speech_kantts_ttsfrd 资源。

如果您是该领域的专家,只对从头开始训练自己的 CosyVoice 模型感兴趣,可以跳过这一步。

# SDK模型下载
from modelscope import snapshot_download
snapshot_download('iic/CosyVoice-300M', local_dir='pretrained_models/CosyVoice-300M')
snapshot_download('iic/CosyVoice-300M-SFT', local_dir='pretrained_models/CosyVoice-300M-SFT')
snapshot_download('iic/CosyVoice-300M-Instruct', local_dir='pretrained_models/CosyVoice-300M-Instruct')
snapshot_download('speech_tts/speech_kantts_ttsfrd', local_dir='pretrained_models/speech_kantts_ttsfrd')
# git模型下载,请确保已安装git lfs
mkdir -p pretrained_models
git clone https://www.modelscope.cn/iic/CosyVoice-300M.git pretrained_models/CosyVoice-300M
git clone https://www.modelscope.cn/iic/CosyVoice-300M-SFT.git pretrained_models/CosyVoice-300M-SFT
git clone https://www.modelscope.cn/iic/CosyVoice-300M-Instruct.git pretrained_models/CosyVoice-300M-Instruct
git clone https://www.modelscope.cn/speech_tts/speech_kantts_ttsfrd.git pretrained_models/speech_kantts_ttsfrd

基本用法

对于零样本/跨语言推理,请使用 CosyVoice-300M 模型。 对于 SFT 推理,请使用 CosyVoice-300M-SFT 模型。 对于指令推理,请使用 CosyVoice-300M-Instruct 模型。 首先,将 third_party/AcademiCodecthird_party/Matcha-TTS 添加到您的 PYTHONPATH

set PYTHONPATH=third_party/AcademiCodec;third_party/Matcha-TTS
from cosyvoice.cli.cosyvoice import CosyVoice
from cosyvoice.utils.file_utils import load_wav
import torchaudio

cosyvoice = CosyVoice('speech_tts/CosyVoice-300M-SFT')
# sft 用法
print(cosyvoice.list_avaliable_spks())
output = cosyvoice.inference_sft('你好,我是通义生成式语音大模型,请问有什么可以帮您的吗?', '中文女')
torchaudio.save('sft.wav', output['tts_speech'], 22050)

cosyvoice = CosyVoice('speech_tts/CosyVoice-300M')

零样本使用

prompt_speech_16k = load_wav('zero_shot_prompt.wav', 16000) output = cosyvoice.inference_zero_shot('收到好友从远方寄来的生日礼物,那份意外的惊喜与深深的祝福让我心中充满了甜蜜的快乐,笑容如花儿般绽放。', '希望你以后能够做的比我还好呦。', prompt_speech_16k) torchaudio.save('zero_shot.wav', output['tts_speech'], 22050)

跨语言使用

prompt_speech_16k = load_wav('cross_lingual_prompt.wav', 16000) output = cosyvoice.inference_cross_lingual('<|en|>And then later on, fully acquiring that company. So keeping management in line, interest in line with the asset that's coming into the family is a reason why sometimes we don't buy the whole thing.', prompt_speech_16k) torchaudio.save('cross_lingual.wav', output['tts_speech'], 22050)

cosyvoice = CosyVoice('speech_tts/CosyVoice-300M-Instruct')

指令使用

output = cosyvoice.inference_instruct('在面对挑战时,他展现了非凡的勇气智慧。', '中文男', 'Theo 'Crimson', is a fiery, passionate rebel leader. Fights with fervor for justice, but struggles with impulsiveness.') torchaudio.save('instruct.wav', output['tts_speech'], 22050)

启动网页演示

你可以使用我们的网页演示页面快速熟悉CosyVoice。 我们在网页演示中支持sft/零样本/跨语言/指令推理。

请查看演示网站了解详情。

python3 webui.py --port 9886 --model_dir ./pretrained_models/CosyVoice-300M

高级用法

对于高级用户,我们在examples/libritts/cosyvoice/run.sh中提供了训练和推理脚本。 你可以按照这个配方熟悉CosyVoice。

部署构建

可选地,如果你想使用grpc进行服务部署, 你可以运行以下步骤。否则,你可以直接忽略这一步。

cd runtime/python docker build -t cosyvoice:v1.0 .

如果你想使用指令推理,请将speech_tts/CosyVoice-300M改为speech_tts/CosyVoice-300M-Instruct

docker run -d --runtime=nvidia -p 50000:50000 cosyvoice:v1.0 /bin/bash -c "cd /opt/CosyVoice/CosyVoice/runtime/python && python3 server.py --port 50000 --max_conc 4 --model_dir speech_tts/CosyVoice-300M && sleep infinity" python3 client.py --port 50000 --mode <sft|zero_shot|cross_lingual|instruct>

讨论与交流

你可以直接在GitHub Issues上讨论。

你也可以扫描二维码加入我们的官方钉钉聊天群。

致谢

  1. 我们借鉴了很多FunASR的代码。
  2. 我们借鉴了很多FunCodec的代码。
  3. 我们借鉴了很多Matcha-TTS的代码。
  4. 我们借鉴了很多AcademiCodec的代码。
  5. 我们借鉴了很多WeNet的代码。

免责声明

以上提供的内容仅供学术用途,旨在展示技术能力。部分示例来源于互联网。如有任何内容侵犯了您的权利,请联系我们要求删除。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号