GitHub源项目：babysor/Realtime-Voice-Clone-Chinese: 🚀AI拟声: 5秒内克隆您的声音并生成任意语音内容 Clone a voice in 5 seconds to generate arbitrary speech in real-time (github.com)
本人小白，不了解原理，此帖仅抛砖引玉，适用于傻瓜式操作，会改路径的参考原帖
先把项目代码下载下来 然后见下 1. 安装要求
Python 3.7 或更高版本 ，亲测3.9可行
安装pytorch。可上pytorch.org官网下载显卡匹配的cuda版本，pip安装
如果在用 pip 方式安装的时候出现 ERROR: Could not find a version that satisfies the requirement torch==1.9.0 cu102 (from versions: 0.1.2, 0.1.2.post1, 0.1.2.post2) 这个错误可能是 python 版本过低，3.9 可以安装成功
安装 ffmpeg。参考csdn的帖子：ffmpeg的安装与使用_赵至柔的博客-CSDN博客_ffmpeg
运行pip install -r requirements.txt 来安装剩余的必要包。此步骤在下载的code文件夹下用cmd运行，否则install -r后标明txt路径
安装 webrtcvad 用 pip install webrtcvad-wheels。
2. 使用数据集训练合成器（不想训练直接用见3.）
下载 数据集并解压：确保您可以访问 下载的数据集下train 文件夹中的所有音频文件（如.wav）
数据集下载地址：www.openslr.org/93/ www.openslr.org/62/ 据说aishell3训练出更好效果 盘下新建data文件夹，将下载的aishell3放进去
使用音频和梅尔频谱图进行预处理：下载得code文件夹下cmd打开 python synthesizer_preprocess_audio.py <datasets_root> --dataset {dataset} （ {dataset} 用adatatang_200zh, magicdata, aishell3替换，三选一，看你下载的是哪个数据集；；；<datasets_root>用D:\data\替换
假如發生 頁面文件太小，無法完成操作，，將虛擬內存改大，或改為100G(102400)，例如:档案放置D槽就更改D槽的虚拟内存 以下三步本人没试过，使用方法同上，具体见开源项目
预处理嵌入： python synthesizer_preprocess_embeds.py <datasets_root>/SV2TTS/synthesizer
训练合成器： python synthesizer_train.py mandarin <datasets_root>/SV2TTS/synthesizer
当您在训练文件夹 synthesizer/saved_models/ 中看到注意线显示和损失满足您的需要时，请转到下一步。
3.使用预先训练好的合成器
实在没有设备或者不想慢慢调试，可以使用网友贡献的模型(欢迎持续分享):作者：@miven 下载地址：https://pan.baidu.com/s/1PI-hM3sn5wbeChRryX-RCQ 提取码：2021 希望有大佬炼好仙丹分享，目前这个模型一般 将下载的文件下三个文件夹复制到code文件夹替换 运行code下demo_toolbox.py文件，出现ui，使用方法见视频 如果跑出来这个错误RuntimeError: Error(s) in loading state_dict for Tacotron: size mismatch for encoder.embedding.weight: copying a param with shape torch.Size([70, 512]) from checkpoint, the shape in current model is torch.Size([75, 512])你可以把文件中：synthesizer/utils/symbols.py 第11行的symbols 改为： _characters = 'ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz12340!\'(),-.:;? ' 最后，感谢源作者使项目支持中文语音！侵权立删！ ps：本教程在原readme文件上修改 彩蛋：源作者微信交流群issue自找
