使用PP-TTS实现语音合成
调用 PP-TTS 需要安装的依赖文件 requirements.txt
如下(下面的版本号只是写这篇文章时的版本号,不是最新的版本号):
paddlepaddle==2.4.2
paddlespeech==1.0.1
paddleaudio==1.0.1
在执行 TTS 任务过程中,会将使用到的 声学模型 和 声码器模型 下载到本地的 C:\Users\XXX\.paddlespeech\models
目录下。
执行 TTS 任务
可以通过代码或命令的方式,快速调用推理模型完成 TTS 任务并输出音频。
代码调用
from paddlespeech.cli.tts import TTSExecutortts_executor = TTSExecutor()wav_file = tts_executor(text='湖北十堰竹山县的桃花摇曳多姿,和蓝天白云一起,构成一幅美丽春景。',output='output.wav', # 输出音频的路径am='fastspeech2_csmsc', # TTS任务的声学模型voc='hifigan_csmsc', # TTS任务的声码器lang='zh', # TTS任务的语言spk_id=174, # 说话人ID
)
命令调用
paddlespeech tts --input "湖北十堰竹山县的桃花摇曳多姿,和蓝天白云一起,构成一幅美丽春景。" --output output.wav --am fastspeech2_csmsc --voc hifigan_csmsc --lang zh --spk_id 174
可能遇到的异常
问题1
在 Windows 下可能会遇到下面的编码异常:
UnicodeDecodeError: 'gbk' codec can't decode byte 0x8c in position 2088: illegal multibyte sequence
解决方式是修改源代码文件:
- 在
venv\Lib\site-packages\paddlespeech\t2s\frontend\zh_frontend.py
搜索到下面代码with open(phone_vocab_path, 'rt'
with open(tone_vocab_path, 'rt'
- 在
venv\Lib\site-packages\paddlespeech\cli\tts\infer.py
搜索到下面代码with open(self.phones_dict, "r"
with open(self.tones_dict, "r"
with open(self.speaker_dict, 'rt'
在搜索到的代码处,全部补充加上 , encoding='UTF-8'
以修复编码异常。
问题2
在安装 future
库下可能会遇到下面的 No module named 'src'
异常:
import src.futureModuleNotFoundError: No module named 'src'[end of output]
解决方式是从 future · PyPI 下载 future-x.xx.x.tar.gz
源码压缩包文件,然后解压后在 setup.py
文件开头(只要在问题代码行之前就可以)添加一行 sys.path.append('')
解决路径问题:
sys.path.append('')
import src.future
然后再执行 python setup.py install
命令完成安装。
问题3
在安装 webrtcvad
库可能会遇到下面的 Microsoft Visual Studio 14.0\\VC\\BIN\\x86_amd64\\cl.exe' failed with exit code 2
异常:
pywebrtcvad.ccbits\pywebrtcvad.c(1): fatal error C1083: Cannot open include file: 'Python.h': No such file or directoryerror: command 'C:\\Program Files (x86)\\Microsoft Visual Studio 14.0\\VC\\BIN\\x86_amd64\\cl.exe' failed with exit code 2[end of output]
解决方式是从 Releases · PaddlePaddle/PaddleSpeech (github.com) 下载对应版本的源代码,然后解压压缩包,把 setup.py
文件里面依赖项列表中的 webrtcvad
替换成 webrtcvad-wheels
:
base = [...."webrtcvad-wheels",....
]
然后在源代码目录下执行下面两个命令完成安装:
pip install pytest-runner
pip install .
模型选择
声学模型 | 声码器模型 | 语言 | 数据集 | 说话人ID | 调用参数 |
---|---|---|---|---|---|
FastSpeech2 | HiFiGAN | 中文 | CSMSC | 174 |
am='fastspeech2_csmsc',voc='hifigan_csmsc',lang='zh',spk_id=174,
|
FastSpeech2 | HiFiGAN | 英文 | LJSpeech | 175 |
am='fastspeech2_ljspeech',voc='hifigan_ljspeech',lang='en',spk_id=175,
|
FastSpeech2 | WaveNet | 中文 | CSMSC | 174 |
am='fastspeech2_csmsc',voc='wavernn_csmsc',lang='zh',spk_id=174,
|
SpeedySpeech | HiFiGAN | 中文 | CSMSC | 174 |
am='speedyspeech_csmsc',voc='hifigan_csmsc',lang='zh',spk_id=174,
|
Tacotron2 | HiFiGAN | 中文 | CSMSC | 174 |
am='tacotron2_csmsc',voc='hifigan_csmsc',lang='zh',spk_id=174,
|
Tacotron2 | HiFiGAN | 英文 | LJSpeech | 175 |
am='tacotron2_ljspeech',voc='hifigan_ljspeech',lang='en',spk_id=175,
|
声学模型
参数 am
= acoustic model = 声学模型,是把语言特征转成音频的声学特征。
- FastSpeech2: 非自回归模型,简化 Tacotron2 模型的预训练工作,改用 MFA 指导 duration 预测,引入了 pitch、energy 预测辅助声学建模
- SpeedySpeech: 另一个主流的声学模型,非自回归模型
- Tacotron2: 使用了RNN结构,自回归模型,合成速度较慢
声码器
参数 voc
= vocoder = 声码器,源自人声编码器的缩写,又称语音信号分析合成系统,对声音进行分析与合成的系统,主要应用于合成人类语音。声码器的主要功能是把声学特征转成可播放的语音波形。声码器的好坏直接决定了音频的音质高低。
- HiFiGAN: 提出了一种残差结构,交替使用带洞卷积和普通卷积增大感受野,保证合成音质的同时,提高推理速度
- WaveNet: 为了增大感受野,叠加带洞卷积,逐样本点生成,音质确实很好,但是也使得模型较大,推理速度较慢
数据集
- CSMSC: 中文,单说话人,女声,约12小时,具有高音频质量
- LJSpeech: 英文,单说话人,女声,约24小时,具有高音频质量
因为 PP-TTS 默认提供的是基于 FastSpeech2 声学模型和 HiFiGAN 声码器的流式语音合成系统,所以在无法理解相关理论时,直接选择前两个 FastSpeech2 + HiFiGAN 的调用参数就可以了。
使用PP-TTS实现语音合成相关推荐
- tts代表_Text-to-Speech (TTS) Synthesis语音合成----控制语言合成
炫云:Text-to-Speech (TTS) Synthesis语音合成zhuanlan.zhihu.com I Beyond Tacotron 那在有了 Tacotron 之后呢?是不是有了 T ...
- TTS离线语音合成应用方案【一】
#概念 TTS即TextToSpeech,文本转语言,也就是所谓的语音合成技术.TTS技术对文本文件进行实时转换,转换时间可以秒计算. 目前国内主流的语音引擎提供商主要为科大讯飞.百度以及云知声. # ...
- 《Android 基础》 TTS离线语音合成语音播报使用
最近项目用到离线播报 , 简单对比了几家 , 最后决定选用云知声 , 科大讯飞虽然知名度高 , 但是是收费的(还挺贵) ,果断放弃. 云知声 , 集成也算挺简单 , 不过官网的sdk可能不支持离线 , ...
- UNITY实战进阶-科大讯飞TTS(离线语音合成) unity播放PCM格式的wav(不依赖第三方库)-7
准备工作 1.注册科大讯飞开发者账户 2.创建一个应用,获取APPID 3.下载离线sdk(你是什么平台的就下什么平台的) 4.开打压缩包 5.我们需要的文件 bin\msc.dll ...
- TTS英文版语音合成(免费),可以用于为paper的视频配音
paper视频配音 1 TTS网址 2 方法 3 mp3获取的土办法 4 captura缺少FFMPEG怎么办? 5 参考文献 1 TTS网址 https://www.nuance.com/omni- ...
- android studio 集成科大讯飞TTS在线语音合成
第一步:新建工程 例如 TestTTS,将在线语音合成放入module中,新建module 如lib-tts 第二步,到科大讯飞 创建新应用之后添加新服务选择在线语音合成,再之后下载对应的SDK,下载 ...
- 【TTS】uni-app语音播报app开发 / MT-TTS安卓原生自带语音合成插件(免费无限次)
什么是TTS? TTS是Text To Speech的缩写,即"从文本到语音",是人机对话的一部分,让机器能够说话.TTS是语音合成应用的一种. 在程序开发中,有很多TTS的插件, ...
- 如何在Electron中打造实现语音合成播放,让Windows自带TTS助你实现离线流畅语音播报语音朗读功能
使用Electron和Windows自带TTS进行语音合成播放 const path = require('path'); const { spawn } = require('child_proce ...
- 速度提升270倍!微软和浙大联合推出全新语音合成系统FastSpeech
作者 | 谭旭 转载自微软研究院AI头条(ID: MSRAsia) [编者按]目前,基于神经网络的端到端文本到语音合成技术发展迅速,但仍面临不少问题--合成速度慢.稳定性差.可控性缺乏等.为此,微软亚 ...
- csharp: 百度语音合成
public string API_id = "3333"; //你的IDpublic string API_record = null; public string API_re ...
最新文章
- mysql connector安装教程_通过安装MySQL Connector/Net实现VS2017 C#编程连接MySQL数据库-网络教程与技术
-亦是美网络...
- 谁控制了我们的浏览器?
- 【转】使用Auto Layout中的VFL(Visual format language)--代码实现自动布局
- 点云特征图离散化_点云采样
- SpringCloud第一章 Euraka服务注册与发现组件
- html 打开 app,h5页面打开app
- PFLD 人脸关键点检测论文详解
- 数据库原理及应用-李唯唯主编-实验3-3
- python 批量处理文本文档基础操作
- 重置kubernetes集群
- html input 删除线,css样式实现字体删除线效果
- 正则表达式爬取红牛分公司数据
- 浅谈Inventor2023-实用功能大揭秘~
- Android系统应用
- 哈工大自动出校申请(selenium+chromedriver)(2021.3.22更新)
- C++程序设计:补齐函数求长方体体积
- html显示数组内容,在html表中显示js数组
- halcon 图像差分_halcon纹理分析例子detect_mura_defects_texture.hdev 高纹理图像中的mura缺陷检测...
- android开发:播放音频功能的工具类
- WPD软件的影响:edge出现由您的组织管理字样
热门文章
- Nodejs进程崩溃发送邮件
- Basics(基础)
- 创建iwatch 程序选项
- 操作系统中的进程是如何 “调度” 的?
- 涨姿势|小众建模软件Make human,MakeClothes插件使用详解教程(2)
- 用流程图来描述一个App的启动功能
- virtualBox上搭建X86双机VSU
- FL Studio20效果器Fruity Reverb 2功能介绍
- 图扑软件荣获第七届“创客中国”中小企业创新创业大赛优胜奖!
- Lenovo ThinkSystem SR650服务器做raid 安装centos系统