今天，給大家介紹一個算法。

AI 算法 5 秒鐘，就能克隆你的聲音，你信嗎？

聽聽這段音頻，猜猜看是 AI 合成音，還是真人錄音？

答案是：AI 合成。

這個人的原始聲音在這里：

你給這個 AI 克隆聲音的算法打幾分？

錄制一段音頻，就可以根據輸入的文字，5s 即可自動生成對應的合成音。

突然有個大膽的想法，你說女朋友要是哪天突然不承認自己說過了某句話，我就給她造一份！

兄弟們，我做的對嗎？

MockingBird這個算法是基于比較著名的 Real Time Voice Cloning 實現的。

MockingBird 是最近開源的中文版。

論文的名字是：

Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis

簡單介紹下：

算法分為三個模塊：encoder模塊、systhesis模塊、vocoder模塊。

encoder模塊將說話人的聲音轉換成人聲的數字編碼（speaker embedding）

synthesis 模塊將文本轉換成梅爾頻譜（mel-spectrogram）

vocoder模塊將梅爾頻譜（mel-spectrogram）轉換成（波形）waveform

具體的算法原理，大家可以先看論文：

https://arxiv.org/pdf/1806.04558.pdf

今天主要聊聊，這個算法怎么玩。

項目地址：https://github.com/babysor/MockingBird

有深度學習基礎的話，這個應該不難。

就是部署環境，分四步：

Anaconda 配置 Pytorch 開發環境

根據項目 requirements.txt 安裝第三方庫依賴

下載權重文件

下載訓練集，這個幾十G，有點大

具體的配置方法，直接看這里：

https://github.com/babysor/MockingBird/blob/main/README-CN.md

環境搭建搞定后，就可以運行代碼了。

有兩種模式可以啟動，Web 模式和工具箱模式。

在項目根目錄運行：

python web.py

即可開啟 Web ，打開地址 http://localhost:8080 就能操作了。

這個界面比較簡陋，建議使用工具箱模式。

python demo_toolbox.py -d 《datasets_root》

datasets_root就是下載好的數據集的地址。

責任編輯：haq