介绍
VALL-E X 只需 3 秒注册录音即可合成高质量的个性化语音 一个看不见的说话者作为声学提示，即使是另一种语言的单语说话者。 此实现支持三种语言（英语、中文、日语）的零镜头、单语言/跨语言文本到语音转换功能
GitHub：https://github.com/Plachtaa/VALL-E-X
演示页面：https://plachtaa.github.io/
特征
- 多语言TTS：用三种语言 - 英语，中文和日语 - 自然和富有表现力的语音合成。
- 零镜头语音克隆：注册一个看不见的演讲者的短短 3~10 秒录音，并观看 VALL-E X 创建听起来像他们的个性化、高质量的语音！
使用
必备环境： python3.10、git、FFmpeg6.0
安装
git clone https://github.com/Plachtaa/VALL-E-X.git
cd VALL-E-X python -m venv venv call venv\scripts\activate.bat
pip install -r requirements.txt
运行 python -X utf8 launch-ui.py
首次运行程序时，它会自动下载相应的模型。
如果下载失败并报告错误，请按照以下步骤手动下载模型。
（请注意文件夹的大小写）
- 检查安装目录中是否有文件夹。 如果没有，请在安装目录中手动创建一个文件夹 （）。
checkpoints``checkpoints``./checkpoints/ - 检查文件夹中是否有文件。 如果没有，请从(https://huggingface.co/Plachta/VALL-E-X/resolve/main/vallex-checkpoint.pt)手动下载文件并将其放入文件夹中。
- 检查安装目录中是否有文件夹。 如果没有，请在安装目录中手动创建一个文件夹
- 检查文件夹中是否有文件。 如果没有，请从(https://openaipublic.azureedge.net/main/whisper/models/345ae4da62f9b3d59415adc60127b97c714f32e89e936602e85993674d08dcb1/medium.pt)手动下载文件并将其放入文件夹中。
Nvidia显卡加速
pip list pip uninstall torch torchvision torchaudio
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
