開源免費的AI語音克隆工具，只需要5秒鐘就可以輕松克隆出你的聲音，MockingBird軟件很神奇，可以根據(jù)任意文字克隆出你的聲音，聽起來就像是你在說這段文字一樣，很多用戶覺得安裝麻煩，特意分享MockingBird綠色整合版，歡迎免費下載。

軟件特色

一個實時克隆中文聲音的AI工具，只需5秒，就能用AI 技術來模擬聲音來生成任意語音內(nèi)容。程序依賴Python、Pytorch、FFmpeg等庫，如下快速開始文檔有詳細介紹?？梢韵螺d預訓練好的合成模型（synthesizer），也可訓練自己的合成模型。從體驗和視頻demo上看，確實能復制目標用戶的音色，不過生成的效果也不是特別理想，可能需要針對性的訓練效果會更好些。

操作步驟

1.record，錄入聲音

2.自動加載模型

3.寫一段文本

4.等待生成

5.播放、導出錄音文件

綠色版說明

綠色整合版,無需手動安裝python,開箱即用,打開運行.bat即可

五秒克隆你的聲音

已整合訓練好的模型,不需要特別高的配置和IT水平

環(huán)境要求

它支持中文。它可以支持普通話,并使用多種中文語音數(shù)據(jù)集進行訓練,如 aidatatang_200zh、magicdata、aishell3 等。

基于 PyTorch。它適用于 PyTorch 深度學習框架,并在 PyTorch 1.9.0 版本(2021 年 8 月最新版本)進行了測試。它可以運行在帶有 GPU(如 Tesla T4 和 GTX 2060)的系統(tǒng)上。

python3.7及以上

理論支持Windows 7及以上 (建議 win8+，過老版本不保證兼容性)

親測win2012,win10完美運行

如果在用 pip 方式安裝的時候出現(xiàn) ERROR: Could not find a version that satisfies the requirement torch==1.9.0+cu102 (from versions: 0.1.2, 0.1.2.post1, 0.1.2.post2) 這個錯誤可能是 python 版本過低，3.9 可以安裝成功。

最讓人覺得神奇的是,這AI生成的語音聽上去就像真人錄制的,簡直無法分別!在線試聽一下,絕對會讓你眼前一亮,趕忙想用一用。

沒有任何編程基礎的用戶也可以直接上手,界面簡單明了,支持中文語音,能運行在各大平臺,還可以直接部署成 Web 服務,實在是開發(fā)者和語音愛好者的良心之作!

因為官網(wǎng)寫的教程太詳細,我就不嫌丑了,圖片是來自官網(wǎng)的,軟件和教程全部給你們打包好了文末自?。?/p>

0 為什么不需要安裝環(huán)境即可使用？

這次我用了便攜版的python，把需要的環(huán)境、依賴、模型都打包進去了，不需要手動安裝任何東西。

1 如何使用

下載壓縮包后找一個還有至少5G空間的盤，解壓壓縮包，注意不能有中文路徑！進入后雙擊運行工具箱/運行工具箱-vc模式/運行web程序 即可游玩項目

在【Utterance(音頻)】位置選擇我內(nèi)置的某一條音頻，點擊【Load Above(加載上面)】選中一條音頻，此時你能在左邊的【Current(當前)】位置看到這條音頻?；蛘吣阋部梢渣c擊【打開本地】打開一條你自己要模仿的音頻，再或者點擊錄音，錄制你自己的聲音作為輸入。

接下來點擊【Synthesizer】選擇聲學模型，pretrained-11-7-21_75k是作者提供的模型，下面的qh開頭的是用海子姐的語音微調過的模型，rty開頭的是用然天一大佬的合作音娘三七的語音微調過的模型。微調后的模型更適合模仿對應角色的語音。如果你上面選擇的是qh或者rty開頭的輸入音頻，你可以在下面選擇對應的模型來獲取更好的合成效果。如果你選擇的是別的語音，選擇作者提供的模型可能效果會更好。

關于【Vocoder】即聲碼器的選擇可以先使用g_hifigan來快速合成音頻聽效果，如果效果還可以則可以選擇pretrained獲取更慢但更好的效果。

合成音頻分為兩步，一是聲學模型合成梅爾圖，你可以點擊【Synthesize only】來進行合成，如果你合成的梅爾圖效果比較清晰，則可以繼續(xù)下一步，如果不清晰則可以嘗試多合成幾次。

第二步是合成音頻，你可以點擊【Vocode only】來進行合成，當你想更換聲碼器時你可以在更換后點擊【Vocode only】避免重復合成梅爾圖?！維ynthesize and Vocode】則是同時進行這兩步。
合成完畢后左下角【Toolbox Output】位置會出現(xiàn)新的音頻，你合成過的音頻都會放在這里，你可以選擇【Replay】重聽，或點擊【Export】導出。

下面的【Audio Output】可以選擇播放的音頻設備
右側的其它選項：【Random seed】：可能是固定每次合成中的隨機種子?！綞nhance vocoder output】：自動裁剪輸入音頻中的非語音部分以獲得更好的模仿效果。【Style/Accuracy】：不知道（可以問問作者）【最大句長】：拉滿，不然合成長句的時候可能會有截斷的現(xiàn)象。
其他：

更換聲學模型或聲碼器等情況下點擊合成，可能會有窗口布局改變且合成失敗的情況，再次點擊合成即可。
當出現(xiàn)顫音的時候重新運行聲碼器基本都能解決

軟件亮點

1、中文 支持普通話并使用多種中文數(shù)據(jù)集進行測試：aidatatang_200zh, magicdata, aishell3, biaobei, MozillaCommonVoice, data_aishell 等

2、PyTorch 適用于 pytorch，已在 1.9.0 版本（最新于 2021 年 8 月）中測試，GPU Tesla T4 和 GTX 2060

3、 Windows + Linux 可在 Windows 操作系統(tǒng)和 linux 操作系統(tǒng)中運行（蘋果系統(tǒng)M1版也有社區(qū)成功運行案例）

4、Easy & Awesome 僅需下載或新訓練合成器（synthesizer）就有良好效果，復用預訓練的編碼器/聲碼器，或實時的HiFi-GAN作為vocoder

5、Webserver Ready 可伺服你的訓練結果，供遠程調用。

安裝教程

請勾選add python to path,否則需要手動配置環(huán)境變量

請保持網(wǎng)絡暢通,若斷網(wǎng)報錯請重新執(zhí)行安裝依賴.bat

使用教程

1.browse選擇一段3-15秒的語音,wav格式,最好單聲道,吐字清晰,沒有雜音,不宜過長

親測網(wǎng)課直播錄屏,發(fā)語音,在安靜條件錄音等音質較好,而在公共環(huán)境比如舞臺,KTV等錄音音質較差

不是所有語音都能夠完美克隆,親測在網(wǎng)課放老師的聲音以假亂真,但像麥小兜派蒙雷米等蘿莉音效果不理想

可以使用音頻編輯工具例如au進行預處理降噪

如圖所示,頻譜規(guī)則的音頻克隆效果較好

2.在右上角輸入文本,僅支持中文,不要有阿拉伯數(shù)字,英文請使用諧音自行解決哈

3.選擇vocoder,推薦Griffin-Lim,點擊Synthesize and vocode試聽,之后點擊export導出音頻