# EmotiVoice **Repository Path**: qqclient/EmotiVoice ## Basic Information - **Project Name**: EmotiVoice - **Description**: EmotiVoice（易魔声）是一个强大的开源TTS引擎，支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音 - **Primary Language**: Python - **License**: Apache-2.0 - **Default Branch**: main - **Homepage**: https://www.oschina.net/p/emotivoice - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 34 - **Created**: 2024-02-08 - **Last Updated**: 2024-02-08 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README README: EN | 中文

EmotiVoice易魔声 😊: 多音色提示控制TTS

              

**EmotiVoice**是一个强大的开源TTS引擎，**完全免费**，支持中英文双语，包含2000多种不同的音色，以及特色的**情感合成**功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。 EmotiVoice提供一个易于使用的web界面，还有用于批量生成结果的脚本接口。 以下是EmotiVoice生成的几个示例: - [Chinese audio sample](https://github.com/netease-youdao/EmotiVoice/assets/3909232/6426d7c1-d620-4bfc-ba03-cd7fc046a4fb) - [English audio sample](https://github.com/netease-youdao/EmotiVoice/assets/3909232/8f272eba-49db-493b-b479-2d9e5a419e26) - [Fun Chinese English audio sample](https://github.com/netease-youdao/EmotiVoice/assets/3909232/a0709012-c3ef-4182-bb0e-b7a2ba386f1c) ## 热闻速递 - [x] 类OpenAI TTS的API已经支持调语速功能，感谢 [@john9405](https://github.com/john9405). [#90](https://github.com/netease-youdao/EmotiVoice/pull/90) [#67](https://github.com/netease-youdao/EmotiVoice/issues/67) [#77](https://github.com/netease-youdao/EmotiVoice/issues/77) - [x] [Mac版一键安装包](https://github.com/netease-youdao/EmotiVoice/releases/download/v0.3/emotivoice-1.0.0-arm64.dmg) 已于2023年12月28日发布，**强烈推荐尽快下载使用，免费好用！** - [x] [易魔声 HTTP API](https://github.com/netease-youdao/EmotiVoice/wiki/HTTP-API) 已于2023年12月6日发布上线。更易上手（无需任何安装配置），更快更稳定，单账户提供**超过 13,000 次免费调用**。此外，用户还可以使用[智云](https://ai.youdao.com/)提供的其它迷人的声音。 - [x] [用你自己的数据定制音色](https://github.com/netease-youdao/EmotiVoice/wiki/Voice-Cloning-with-your-personal-data)已于2023年12月13日发布上线，同时提供了两个教程示例：[DataBaker Recipe](https://github.com/netease-youdao/EmotiVoice/tree/main/data/DataBaker) [LJSpeech Recipe](https://github.com/netease-youdao/EmotiVoice/tree/main/data/LJspeech)。 ## 开发中的特性 - [ ] 更多语言支持，例如日韩 [#19](https://github.com/netease-youdao/EmotiVoice/issues/19) [#22](https://github.com/netease-youdao/EmotiVoice/issues/22) 易魔声倾听社区需求并积极响应，期待您的反馈！ ## 快速入门 ### EmotiVoice Docker镜像 尝试EmotiVoice最简单的方法是运行docker镜像。你需要一台带有NVidia GPU的机器。先按照[Linux](https://www.server-world.info/en/note?os=Ubuntu_22.04&p=nvidia&f=2)和[Windows WSL2](https://zhuanlan.zhihu.com/p/653173679)平台的说明安装NVidia容器工具包。然后可以直接运行EmotiVoice镜像： ```sh docker run -dp 127.0.0.1:8501:8501 syq163/emoti-voice:latest ``` Docker镜像更新于2024年1月4号。如果你使用了老的版本，推荐运行如下命令进行更新： ```sh docker pull syq163/emoti-voice:latest docker run -dp 127.0.0.1:8501:8501 -p 127.0.0.1:8000:8000 syq163/emoti-voice:latest ``` 现在打开浏览器，导航到 http://localhost:8501 ，就可以体验EmotiVoice强大的TTS功能。从2024年的docker镜像版本开始，通过http://localhost:8000/可以使用类OpenAI TTS的API功能。 ### 完整安装 ```sh conda create -n EmotiVoice python=3.8 -y conda activate EmotiVoice pip install torch torchaudio pip install numpy numba scipy transformers soundfile yacs g2p_en jieba pypinyin pypinyin_dict ``` ### 准备模型文件 强烈推荐用户参考[如何下载预训练模型文件](https://github.com/netease-youdao/EmotiVoice/wiki/Pretrained-models)的维基页面，尤其遇到问题时。 ```sh git lfs install git lfs clone https://huggingface.co/WangZeJun/simbert-base-chinese WangZeJun/simbert-base-chinese ``` 或者你可以运行: ```sh git clone https://www.modelscope.cn/syq163/WangZeJun.git ``` ### 推理 1. 通过简单运行如下命令来下载[预训练模型](https://drive.google.com/drive/folders/1y6Xwj_GG9ulsAonca_unSGbJ4lxbNymM?usp=sharing): ```sh git clone https://www.modelscope.cn/syq163/outputs.git ``` 2. 推理输入文本格式是：`|||`. - 例如: `8051|非常开心| uo3 sp1 l ai2 sp0 d ao4 sp1 b ei3 sp0 j ing1 sp3 q ing1 sp0 h ua2 sp0 d a4 sp0 x ve2 |我来到北京，清华大学`. 4. 其中的音素（phonemes）可以这样得到：`python frontend.py data/my_text.txt > data/my_text_for_tts.txt`. 5. 然后运行： ```sh TEXT=data/inference/text python inference_am_vocoder_joint.py \ --logdir prompt_tts_open_source_joint \ --config_folder config/joint \ --checkpoint g_00140000 \ --test_file $TEXT ``` 合成的语音结果在：`outputs/prompt_tts_open_source_joint/test_audio`. 6. 或者你可以直接使用交互的网页界面： ```sh pip install streamlit streamlit run demo_page.py ``` ### 类OpenAI TTS的API 非常感谢 @lewangdev 的相关该工作 [#60](../../issues/60)。通过运行如下命令来完成配置： ```sh pip install fastapi pydub uvicorn[standard] pyrubberband uvicorn openaiapi:app --reload ``` ### Wiki页面 如果遇到问题，或者想获取更多详情，请参考 [wiki](https://github.com/netease-youdao/EmotiVoice/wiki) 页面。 ## 训练 [用你自己的数据定制音色](https://github.com/netease-youdao/EmotiVoice/wiki/Voice-Cloning-with-your-personal-data)已于2023年12月13日发布上线。 ## 路线图和未来的工作 - 我们未来的计划可以在 [ROADMAP](./ROADMAP.md) 文件中找到。 - 当前的实现侧重于通过提示控制情绪/风格。它只使用音高、速度、能量和情感作为风格因素，而不使用性别。但是将其更改为样式、音色控制并不复杂，类似于PromptTTS的原始闭源实现。 ## 微信群 欢迎扫描下方左侧二维码加入微信群。商业合作扫描右侧个人二维码。 qr      qr ## 致谢 - [PromptTTS](https://speechresearch.github.io/prompttts/). PromptTTS论文是本工作的重要基础。 - [LibriTTS](https://www.openslr.org/60/). 训练使用了LibriTTS开放数据集。 - [HiFiTTS](https://www.openslr.org/109/). 训练使用了HiFi TTS开放数据集。 - [ESPnet](https://github.com/espnet/espnet). - [WeTTS](https://github.com/wenet-e2e/wetts) - [HiFi-GAN](https://github.com/jik876/hifi-gan) - [Transformers](https://github.com/huggingface/transformers) - [tacotron](https://github.com/keithito/tacotron) - [KAN-TTS](https://github.com/alibaba-damo-academy/KAN-TTS) - [StyleTTS](https://github.com/yl4579/StyleTTS) - [Simbert](https://github.com/ZhuiyiTechnology/simbert) - [cn2an](https://github.com/Ailln/cn2an). 易魔声集成了cn2an来处理数字。 ## 许可 EmotiVoice是根据Apache-2.0许可证提供的 - 有关详细信息，请参阅[许可证文件](./LICENSE)。 交互的网页是根据[用户协议](./EmotiVoice_UserAgreement_易魔声用户协议.pdf)提供的。