AI音色克隆全实操视频课｜零基础保姆式教学，人声仿真合成，小白也能快速上手
准备工作：需一台服务器，登录后在终端输入/bin/bash /root/run.sh启动 Gradio WebUI 服务。若端口被占用，可修改/root/run.sh中–port参数。启动成功后，使用 Chrome 90+、Edge 90 + 或 Firefox 88 + 浏览器，访问http://服务器IP:7860。确保上传的参考音频为 WAV 或 MP3 格式，时长在 3-10 秒之间，人声清晰无杂音。
核心操作：常用 “3 秒极速复刻” 模式，在 “合成文本” 框输入内容，上传或录制 3-10 秒的参考音频，填写与音频相同的参考文本，勾选 “流式推理” 后点击 “生成音频”，即可得到克隆音色的音频，右键可下载。还可使用 “跨语种复刻”“自然语言控制” 等模式，实现用中文音色说外文或按特定要求发音等功能。
ViiTor AI
声音复刻：访问ViiTor AI 官网，注册登录后进入 “音色库”，点击创建复刻音色。上传或录制 3-15 秒的干净清晰音频或视频素材，给音色命名后点击 “合成”，系统会自动建模，完成后音色会出现在 “个人的” 音色库中。
配音应用：登录后点击左侧 “配音工作室”，创建新任务。输入配音内容，添加说话人并选择复刻好的音色，试听确认无误后，可一键导出音频用于视频等场景。
ChatTTS
环境搭建：需安装 Conda（推荐 Miniconda），确保 8GB 内存（16GB 更佳），可选 NVIDIA GPU。克隆项目git clone https://github.com/2noise/ChatTTS，进入项目目录cd ChatTTS。创建虚拟环境conda create -n chattts python=3.11并激活conda activate chattts，安装依赖pip install -r requirements.txt，可使用国内镜像源加速。手动下载模型权重到ChatTTS/asset/目录。
克隆操作：启动 Web UI，运行python examples/web/webui.py，默认端口为 8080。在文本框输入文字，点击 “生成语音” 即可得到克隆语音。也可通过 Speaker Embedding 生成自定义音色，具体可参考相关代码操作。
GPT-SoVITS
环境搭建：Windows 用户访问项目仓库获取源码，双击运行go-webui.bat文件。Linux/macOS 用户打开终端，执行git clone https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS，进入目录cd GPT-SoVITS，赋予权限chmod +x install.sh，运行./install.sh。安装完成后，访问http://localhost:9874进入操作界面。
音频处理：准备 1-5 分钟的清晰音频，在安静环境下录制，保持距离麦克风 30-50 厘米，包含不同语调。使用tools/uvr5/目录下的工具分离人声，通过tools/slice_audio.py将音频切割为 3-10 秒片段，运行tools/cmd-denoise.py去除背景噪音。
模型训练与测试：使用 ASR 工具生成文本标注，保存为metadata.csv。在 Web 界面 “训练” 选项卡设置参数进行训练，训练完成后进行测试，可根据相似度、自然度等评估模型性能，若效果不佳，可通过增加数据量、调整参数等方式优化。
评论(0)