要实现文字转语音并使用自己的音色,以下是一些方法和相关信息:
[ChatTTS声音增强版【本地端.wav](https://bytedance.feishu.cn/space/api/box/stream/download/all/CXeRb7tWdoWtsAxENksc9hWKnvh?allow_redirect=1)其次,当文本内容很多时,可以勾选文本切割来进行处理,默认为五十字符进行切割,还可以将音频片段合并为一整段音频,切割的音频片段也支持增强处理[ChatTTS念斗破-文本切割【本地端】.wav](https://bytedance.feishu.cn/space/api/box/stream/download/all/XNCpb4jK5oKWH7xFh10caVv6nKd?allow_redirect=1)保存后的音频文件结构相当清晰,concatenated Audio是合成的一整段音频,Enhanced Audio是增强处理后的整段音频Audio clip文件夹中是切分的音频片段。Enhanced开头的就是增强处理的音频片段,不带Enhanced就是生成的普通的音频片段。该个版本还增加了批量处理功能,勾选后可以上传一个TXT文本,TXT文本需要按照每句换行的格式。[ChatTTS念斗破-批量版【本地端】.wav](https://bytedance.feishu.cn/space/api/box/stream/download/all/HazTbEXHmopzo7x7iJDcSFQinih?allow_redirect=1)最后就是音色固定,前面提到这个项目不同的音频种子生成的人物说话音色会不一样。我们可以点击随机按钮,多尝试几次,找到自己满意的音色后,可以将设置和音色种子保存到配置文件中,方便下次使用。ChatTTS刚放出来的时候,我很惊讶于它的效果,
ElevenLabs推出一个全自动化的AI配音或视频翻译工具。你只需要上传视频或者粘贴视频链接,这个工具就能全自动的在几十秒到几分钟内将你的视频翻译成29种语言。更牛P的是直接克隆原视频里面的声音,来给你配音。群友瑞華测试:[2080_1706113804.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/HQ8sb2smBodPZpxOX2och4DmnIc?allow_redirect=1)[2081_1706113807.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/OVuvbds5XoxSjpx8lPmcUqtEnsg?allow_redirect=1)[2082_1706113840.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/VJzQbRRdZoOgSdx2eXicmfn8nHd?allow_redirect=1)[2083_1706113844.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/N2avbWxMZoVKxSxswcucQ27encf?allow_redirect=1)另外刚才有群友试了下豆包的音色模仿,读了大概20个字的句子,5s就可以生成非常像的音色,之后就可以用你自己的声音读生成的文字内容了。声音音色的模仿非常像了
可变参数就是AIGC最有趣的地方,语音生成也一样:可变参数就是使用技巧。[heading3]更换音色🎵[content]一开始会感觉很简单,就只是字生成语音,能选的也就是不同的音色。音色因为基于网络红人训练,因此生成的语音音色会和对应的网络红人非常相像。只要选择和自己需要非常接近的音色即可。如果没有接近的音色,也可以自己训练一个,参考WaytoAGI的知识库:[GPT-SoVITS实现声音克隆](https://waytoagi.feishu.cn/wiki/SVyUwotn7itV1wkawZCc7FEEnGg?from=from_copylink)但是真正准备开始用就会发现,只改音色不够用了。😓我们真正说话,或者配音的时候,通常是边思考边说话,因此经常带着一些口头禅,类似“嗯”,“啊”,甚至更离谱的“m3?” 😂说话过程中有些重音,停顿和一句手写语句也不全相同。