新一代开源语音库CoQui TTS冲到了GitHub 20.5k Star

2024-04-23 开源 0

Coqui TTS 项目介绍

Coqui 文本转语音（Text-to-Speech，TTS）是新一代基于深度学习的低资源零样本文本转语音模型，具有合成多种语言语音的能力。该模型能够利用共同学习技术，从各语言的训练资料集转换知识，来有效降低需要的训练资料量。

这个模型库现在已经在GitHub上开源，并有高达 20.5K+ 的star量。似乎和以前讲过的Mozilla 的 TTS 有着千丝万缕的联系，但是如今Mozilla TTS 已经停止更新，而 Coqui TTS 更新稳定，是目前少数几个更新比较稳定的开源语音库。

coqui官网：https://coqui.ai/

开源地址：https://github.com/coqui-ai/TTS/

在这里插入图片描述

Arm架构离线安装 coqui TTS

要在 ARM 架构的设备上离线安装 Coqui TTS，可以按照以下步骤进行操作：

1. 安装必要的依赖项：Python 3、Pip 和 Git.

2.克隆CoquiTTS 的Git 仓库.

git clone https://github.com/coqui-ai/TTS

3.安装所需的Python包.

pip install -r requirements.txt

4.下载所需的语音模型和配置文件，并将其放在IIS/tts/mode1s 目录下.可以从 CoquiTTS 的GitHub 页面上下载这些文件.

5.运行测试脚本来验证安装是否成功.

python demo_cli .py

注意，由于 ARM 架构的设备通常性能较低，因此可能需要更长时间才能完成编译和训练等操作。此外，如果您希望在 ARM 架构的设备上进行 TTS 实时推理，则可能需要使用较小的模型或调整一些模型参数以提高性能。

python 命令行安装及使用

1.安装

pip install tts

注意 TTS 是依赖 torch 的，由于 torch 庞大的体积，所以可能是要等很久。但是我这里由于环境问题，只能用特定版本的 torch，否则用不了 GPU。

2.安装完成后测试

tts --list_models

输出模型的信息，说明OK

Name format: type/language/dataset/model 1: tts_models/multilingual/multi-dataset/your_tts 2: tts_models/en/ek1/tacotron2 ....

查看模型信息

tts --model_info_by_name tts_models/tr/common-voice/glow-tts> model type : tts_models> language supported : tr> dataset used : common-voice> model name : glow-tts> description : Turkish GlowTTS model using an unknown speaker from the Common-Voice dataset.> default_vocoder : vocoder_models/tr/common-voice/hifigan

文本生成语音

tts --text "text for TTS" --out_path ./test_speech.wav100%|████████████████████████████                                                                                                                                                    █████████████████████████████████                                                                                                                                                          █████████████████████████████████                                                                                                                                                          █████████████████████████████████                                                                                                                                                          ████████████████████| 113M/113M [                                                                                                                                                          05:58<00:00, 315kiB/s]> Model's license - apache 2.0> Check https://choosealicense.c                                                                                                                                                          om/licenses/apache-2.0/ for more                                                                                                                                                           info.> Downloading model to /root/.lo                                                                                                                                                          cal/share/tts/vocoder_models--en-                                                                                                                                                          -ljspeech--hifigan_v2100%|█| 3.80M/3.80M [00:01<00:00,> Model's license - apache 2.0......Removing weight norm...> Text: text for TTS> Text splitted to sentences.['text for TTS']> Processing time: 0.78575992584                                                                                                                                                          22852> Real-time factor: 0.4602105388                                                                                                                                                          021246> Saving output to ./test_speech                                                                                                                                                          .wav

离线安装TTS

以下是在Linux系统上离线安装CoquiTTS的步骤：

1.下载CoquiTTS的代码.

git clone https://github.com/coqui-ai/TTS

2.安装依赖项.

sudo apt-get install python3-pip libsndfile1pip3 install -r requirements.txt

3.下载所需的模型，例如英文的Tacotron2模型.

wget https://github.com/coqui-ai/TTS/releases/download/tts_models/tts_models_tacotron2_anon.tar.bz2tar xvf tts_models_tacotron2_anon.tar.bz2

4.设置环境变量.

export PYTHONPATH=$PYTHONPATH: /path/to/TTS

5.启动TTS服务器.

python3 server.py --model_path /path/to/tacotron2 --config_path /path/to/tacotron2/config.json --port 8000

其中/path/to/tacotron2 为第3步中下载的Tacotron2模型的路径，/path/to/tacotron2/config. json 为Tacotron2模型的配置文件的路径。

6.连接到TTS服务器并进行语音合成.

import requestsimport isonr = requests.post('http://localhost:8000/api/tts', data=json.dumps(    {"text": "hello", "model_name": "ntacotron2"}))with open ("output .wav", "wb") as f：    f.write(r.content）

这将生成一个名为 output .wav 的WAV文件，其中包含语音合成的结果。

有兴趣的有条件的同学可以下载体验一番，试一试！欢迎关注公粽号：Python兴趣圈，学习更多Python技能、开源项目推荐。