租了一台服务器，英伟达 t 四显卡，显存十六 g， 内存三十二 g， 现在来跑一下 index 模型，给定一个参考音频，克隆一段五秒钟的声音，看看性能如何。我们看到出石化模型玩贱的时候，显存跑满了，内存吃了五个 g 左右。 我们发现在模型推理的过程中，显存占用维持在七个 g 左右， 内存消耗三个 g 左右， 最终完成克隆耗时十五秒左右，跟我预期的差好多， cose voice 在 同等环境条件下仅耗时六秒左右，我们来看看它克隆声音的效果。 哥哥你回来了，人家等了你好久好久了，要抱抱。 哥哥你回来了，人家等了你好久好久了，要抱抱。我们来对比听一下原始的参考音频。 哥哥你回来了，人家等了你好久好久了，要抱抱！ 哥哥你回来了，人家等了你好久好久了，要抱抱。 大家觉得 index 克隆声音的效果怎么样呢？在评论区说说你的看法，欢迎一起学习交流！
粉丝5343获赞3.1万
相关视频
05:56查看AI文稿AI文稿这个视频我要分享的是在本地部署 cosplay 二点零零点五 b 这个模型，它是阿里开源的一个语音生成的大模型，现在呢它已经更新到三点零版本了。前面有期视频评论区说 想知道怎么部署这个二点零这个大模型，那我今天就是来分享一下我自己部署的一个过程。在部署这个模型之前，首先你要准备好一个六 g 的 显卡的一个电脑或者笔记本，像三零六零、四零六零这种应用达的显卡都是可以的。 另外就是要在 windows 系统上面启动 linux 系统，最好是 ubox， 那 么启动 linux 的 话，需要微软官方的这个 wsl 这个工具吧，需要把它来打开，然后就是在 ubox 上面安装 git， 安装 python 还有 cona。 当然这个视频我 不会去具体的介绍我自己这个环境的准备情况，因为每个电脑他可能都不太一样，比较繁琐，后面有机会再去做分享吧，今天是只分享在所有的环境准备好以后怎么去部署这个 cosy voice 这个模型。首先是打开 wsl， 然后克隆仓库，执行这第一条脚本命令，你就把这条命令粘贴在这个终端窗口，然后敲回车。 我是为了演示，所以建了一个 example 这个文件夹，如果第三桩直接就在这个根部路去运行这个命令就可以了。 回车以后等着它进程结束，它已经下载完了，下载完以后它会建这样的一个文件夹，我们切换到这个文件夹，把它粘贴过来，然后回车就完成了切换，然后执行第三个更新一下它里面的磁模块， 下一步是创建虚拟环境工这康大工具，这已经提前装好了，所以我就直接运行这条指令回车创建一个虚拟环境， y 表示同意， 输入， y 表示同意。下一步现在这个虚拟环境已经建好了，下一步就是激活这个虚拟环境，执行这条脚本，现在前面这个括号里显示了我们这个虚拟环境的名称， cookie boys， 这就说明已经进入了虚拟环境，然后我们在这个虚拟环境里面继续下一步呢，就是要安装 这个依赖，也就是酷，是用康达去安装，也是复制这条脚本点回车，这个时候可以去喝喝咖啡，泡一杯茶，因为它时间会比较长。安装完成再用 python 的 这个 pick 安装工具去安装 python 需要的一些环境， 如果你懒得自己去敲这些代码的话，可以去官网去直接复制，这个下载也是需要一点时间的，我们还可以再去喝一杯茶。好了，喝了两杯咖啡以后，他这个终于安装完成了，现在我们可以下载模型， 下载模型之前呢，先建一个文件夹，是直接输入这条脚本命令回车，然后我就继续用 k git 去下载零点五 b 的 这个模型，像三百兆这个他就是给文件更小一点，比如说模型更小一些，还有其他的微调厚的版本呢等等。当然 推荐是用零点五 b 这个他的可能是更全面一些。粘贴之后回车，然后他官方还有一个文本处理工具的一个选项，他默认用的是这个文本处理工具， 如果想要更好的一个处理效果，就推荐单独的去下载一下原码，然后解压安装，我这里呢为了省事，我们就用他默认的那个我们处理工具，你看一下效果怎么样嘛？然后就可以使用了。 如何重新启动，使用完了以后我退出了，假如说我下次我重新打开另一个系统，打开以后呢，用 cd 这个指令切换到你之前用 get 下载了那个文件以后的那个 copybox 的 文件夹，再去激活虚拟环境， 然后我正式启动。大模型的官方提供了这个 u i 的 使用界面，就直接复制这一段代码，因为我们刚才下载的是零点五 b 的 这个模型，所以这个模型的名称就是零点五 b， 然后回车 看第一次启动的话，他会需要下载一些出土化的一些文件，稍微的时间会久一点，最后这几行表示已经启动成功。怎么去打开这个 u i 界面呢？ 你找到这个链接， localhost 本地链接，摁着 ctrl 加左键点击就可以在浏览器打开了这个使用的界面，那为了下次方便找的话，可以把它收藏到文收藏家里面。那下次只要你这个界面启动以后，就可以直接在浏览器打开这个网址。 现在呢我们可以直接起来使用了，他是给我们预制了四种模式，但是呢这边三种他是没有音色的，那么我们怎么用呢？我们可以用这个三秒极速复刻，这个单纯的用它来做声音复刻，或者说叫声音克隆。 下面我演示一下使用声音复刻的这个过程，可以先听一下我自己录的这个十秒的一个声音。日前，首届全球人形机器人自由格斗联赛落地深圳，这是我这段声音对应的一个文本， 然后我们把声音和文本放进来，就可以去复刻自己的这段声音了。把这个十秒的声音拖到这个音频的这个栏， 我这个声音对应的这个文本和声音要完全一样。 moments later， 我是 通用实验室语音团队全新推出的生成式语音大模型，这是复刻的效果还是挺接近的啊，这就是整个模型部署的过程。另外再提一下，如果我 现在我用完了，假如我想关掉它的话，单纯的关掉这个浏览器是不行的。在这个命令行，这边按着 ctrl 加 c 来结束这个进程。
35不高工程师
03:09查看AI文稿AI文稿大家好， cosy voice 前两天更新了三点零版本这个视频，给大家演示一下 cosy voice 三点零效果， 然后和 index t t s。 二点零版本对比一下效果。 cosy voice 三点零我做了一个整合包，大家可以在这里下载整合包，下载地址我也会放到视频简介启动之后进入到这个页面，这里选择三秒极速复刻，在这里点击上传参考音频 点击播放听听参考音频的效果，愿你的每次流泪都是喜极而泣。 这里输入参考音频的文本内容这里输入需要合成的文本我随便复制一段文本内容，粘贴到输入框，然后点击生成音频按钮。 如果我们真的回不去了，那就请你忘了我那些带刺的话，为你流过的眼泪，以及所有失去意义的万语千言。 然后我们在 index t t s。 二点零版本生成对比一下，这里输入和 cosy voice 一 模一样的文本内容，这里选择同样的参考音频， 点击立即生成。 打开输出目录，点击播放听下效果。 如果我们真的回不去了，那就请你忘了我那些带刺的话，为你流过的眼泪，以及所有失去意义的万语千言。总体效果来说， index t t s。 二点零版本感情色彩更好一些。 cosy voice 我 再换一个参考音频，这是一个女人的音色，我们播放听一下。如果我们真的回不去了，这里输入参考音频文本这里输入需要合成的文本，点击生成音频按钮。 愿你的每次流泪都是喜极而泣，愿你精疲力尽时有数可依。然后我们再使用 index t t s 看一下效果，这里输入要合成的文本， 选择和 cosy voice 同样的参考音频，点击立即生成。 愿你的每次流泪都是习其而弃，愿你精疲力尽时有数可依。大家认为 cosy voice 三点零和 index t t s。 二点零哪个效果更好一些？可以下方留言。 cosy voice 三点零版本的整合包在这里下载。 index t t s。 二点零版本在这里下载这个视频就到这里，了解更多 ai 可以 关注我。
59AI技术大本营
02:32查看AI文稿AI文稿大家好，这个视频给大家分享几个声音克隆的一键整合包，我们点击工具箱，然后点击 克隆声音整合包，这里有四个整合包可以进行下载，第一个是 close voice 三点零的，第二个是 close voice 二点零的，第三个是 b 站开源的 index tts 的， 还有一个是多拨克模型的。 好，来，我们现在拿这个三点零和 index t t s r 来进行一个对比啊，我们这里的话，点击 之后会进入到网盘，你们在网盘上下载就可以了，下载之后整体解压启动服务接口就可以来进行效果测试了，例如我这个啊，第一个声音零一幺零四是 cosy voice 三点零，来听一下效果，按下选择。 来吧，现在这个局面，来发中炮将军吧，不然就和齐了，看还有没有解杀还杀的妙招。零一，来，我们换成幺幺五，这一个是 index 二点零的，来听一下效果。 来吧，现在这个局面，来一发中炮将军吧，不然就和齐了，看还有没有解杀还杀的妙招。 来，再试一个 index 的， 来吧，现在这个局面，来一发中炮将军嘛，不然就合齐了，看还有没有解杀还杀的妙招。零三， 来，再填一个 index 的， 来吧，现在这个局面，来一发中炮将军吧，不然就合齐了，看还有没有解杀还杀的妙招。零四， 来，我们再听一个扣 c 位斯的，来吧，现在这个局面，来一发中炮将军吧，不然就和齐了，看还有没有解杀黄沙的妙招。零五， 再来一个扣 c 位斯的，来吧，现在这个局面，来一发中炮将军吧，不然就和齐了，看还有没有解杀黄沙的妙招。零六， 大家觉得有什么区别和不一样的吗？我个人觉得啊， index 的 这个 情感方面还是要稍有优势，然后 cosy voice 的 它的这个音色方面还是稍有优势啊。好嘞，这个视频给大家介绍到这里。
03:35查看AI文稿AI文稿一些做直播的朋友们可能知道啊，英语达有一款名叫 nv 点博的 cars 的直播辅助软件，他的应聘交通功能还是比较强大的， 不过比较可惜的是，博尔特卡斯只支持 rtx 显卡，比较老的实际显卡是并不支持博尔特卡斯的，当然老恩卡用户想要用英美达的降噪功能也不是不行。 大约在两年前呢，英语达就开放的 rtx words 的建造技术，现在 rtx words 就已经支持 gtx 显卡了。这个视频就来给大家说一下这个 rtx words 究竟该怎么用。 他的安装也很简单，就和装显卡驱动时一样的步骤，装好之后就能看见软件的主界面了。这里的输入和出租设备分别对用的麦克风和扬声器，我们在这里选择连接到电脑的麦克风， 然后把这个清除麦克风背景的噪音的选项勾上就可以了，又让麦克风见到声效。我们还要在对应的软件中更改一下输入设备，这里我们就以爱迪生为例，我们打开软件过后，在手选项音频硬件设置中把默认输入设备改为二 tx words 就可以了。 然后我们分别在开启降噪和关闭降噪的情况下，分别录制一段音频来听一下降噪情况如何。测试麦克风降噪情况测试麦克风降噪情况 测试麦克风降噪情况测试麦克风降噪情况，你可以听出降噪效果还是比较明显的。其实你看这两段音频的频母图就能发现，经过降噪以后的音频明显变干净了很多。不过这个 rtx 货运词在我的一六五零显卡上运行， 到时候 gpu 的占用率还是比较高的，如果你要拿他来直播打游戏的话，还是要注意一下他的资源占用在通讯软件中的设置。同理，就拿 qq 为例，在基本设置音视频通话中，把麦克风切换为 rtx words 就可以了。 图案的碳也支持对正在播放的音频进行降噪。我们在输出设备中选择电脑连接的耳机或扬声器，然后把默认输出设备改为 rtx os 就可以了。这里我们就开一个有背景噪音的视频来听一下，见到效果究竟怎么样。 哎，老婆，这不是我们走丢二十多年的儿子吗？儿子啊，这次找你怎么跑这里啊，我都好像你。是啊是啊，你看你看，你脸上的那根叉子啊，怎么这不， 哎，老婆，这不是我们走丢二十多年的儿子吗？儿子啊，到处找你怎么跑这了呀，哇，他头都好像你哎，对啊是啊，你看你看你，脸脏的那个，擦擦啊，怎么 背景的噪音的消除效果还是能够听出来的。这个扬声器降噪其实最适合的使用场景就是视频通话，日常使用的时候并不建议把它一直开着，占用资源不说，打开之后音频也会出现不同程度的失真。那如果是 a 卡用户也想要交到功能，该怎么办呢？ 其实大约在半年前呢， amd 在版本二十二点七的驱动中也加入了一个自己的音频降档技术，不过这项技术目前仅是二十六千系列或之后的显卡以及六零六千系列的 apu 平台，目前 amd 还并未开放这项技术给老显卡我手上 之前瑞龙笔记本也并不支持该项技术，所以就没有办法给大家演示的进行谅解。好了，那么本期视频就到这里，如果觉得视频做的还行，就别忘了来个三连，我们下期视频不见不散。
1178Z极客
00:27查看AI文稿AI文稿靓仔们知道吗？在玩游戏时，如果自己的环境比较嘈杂，是有办法可以去除，只要你是十系的 n 卡或者是三十系的显卡，那么你们就能用的上 rt x words， 那么他有多强呢？我们来做一下对比吧！这是没开之前的声音， 这是开了之后的声音，这个效果怎么样？你们觉得呢？那么我来教你们如何使用自己的环境音差，选择自己麦克风，勾选启动队友的环境音差下方选择自己的播放设备，勾选启动就好了。
257电脑芝士君
06:04查看AI文稿AI文稿今天给大家带来 omni voice tts， 一个支持六百多种语音的生成系统，并且最低的支持配置，只需要一个 三 g 的 显卡就可以运行，运行占用内存，三 g 生成速度也非常快，感觉适合用来阅读，当然使用低配置电脑， 它的生成速度也会比较慢，但是也是测试过，确实可以生成功能文本转语音，语音克隆 三一色设计，这个就比较厉害了，它不需要上传任何参考音频，只需要通过选择性别、年龄、音阶之类的生成，也可以选择方言， 就非常的厉害，这是它其中一个核心功能，开抽无参考音频生成，无中生有啊。 当然声音抽卡需要一点运气，然后自动音色的话，算是在功能三的基础上进行一个随机的一个派发选择。下面这个细力度控制， 可以在文本中加入叹惜或者笑声之类的一些语气控制，在一些文本的情感控制 会起到画龙点睛的妙用，其他大家可以自己探索下。我们使用到的是这个启动命令 压缩包，解压到一个没有中文的目录，然后双击启动，等一下它会自动弹出一个网页，然后我们可以在这里填写我们需要合成的一个文本，复制粘贴， 再把我们的一个参考音频上传上去，我们听一下音色乐。饮过三绝，缓待清数休。 明月几时有？把酒问青天，不知天上宫阙，今夕是何年。 我感觉是非常不错的，支持六百多种语言，什么都可以，这里我们来尝试一下日语粘贴过去，然后直接点生成， 一旦灭我堪击罗，一旦灭我康盖罗ཡེ ཐན མའི ཨོ ཁེ ཐོ རེད ཡེ ཐན མའི འོ ཤེས རེད ཨོ ཟེར一袋米要洗着呢么呢么呢你烘托呢？黑娃娃，哇，客人， 我们试一下别的音频，比如说女生的克隆，陛下恩宠如此，却自看当即位。 door chewy， 一旦没有砍几多， 一袋米要看该肉一袋米要给多的，一袋米要洗的 鸡蛋脱秀一一大米，我西安的梦诺梦诺，你红豆呢？黑娃娃，瓦卡人，呦，咦，我的娃呀，一个呀一个 no 伊达米欧，沃斯莱尼塞卡尼，伊达米欧，咦，就是这么一个控制， 可以看到有支持这么多种的一个语言。我们再看一下这个音色设计 是不需要上传参考音频的，我们可以自由选择 选择一个音调，然后可以或者是说其他的 随便选一些， 我们听一下效果，明月几时有？把酒问青天，不知天上宫阙，今夕是何年。然后我们再选一下其他的，这里选择声音， 选择风格，可以都试一下效果， 明月几时有？把酒问青天，不知天上宫阙，今夕是何年？
6今夕开源
