大家好，我是 Jack。
今天，给大家介绍一个算法。
AI 算法 5 秒钟，就能克隆你的声音，你信吗？
听听这段音频，猜猜看是 AI 合成音，还是真人录音？
答案是：AI 合成。
这个人的原始声音在这里：
你给这个 AI 克隆声音的算法打几分？
上述两个音频，算法运行起来的效果：
录制一段音频，就可以根据输入的文字，5s 即可自动生成对应的合成音。
突然有个大胆的想法，你说女朋友要是哪天突然不承认自己说过了某句话，我就给她造一份！
兄弟们，我做的对吗？
MockingBird
这个算法是基于比较著名的 Real Time Voice Cloning 实现的。
MockingBird 是最近开源的中文版。
论文的名字是：
1 | Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis |
简单介绍下：
算法分为三个模块：encoder模块、systhesis模块、vocoder模块。
- encoder模块将说话人的声音转换成人声的数字编码（speaker embedding）
- synthesis 模块将文本转换成梅尔频谱（mel-spectrogram）
- vocoder模块将梅尔频谱（mel-spectrogram）转换成（波形）waveform
具体的算法原理，大家可以先看论文：
https://arxiv.org/pdf/1806.04558.pdf
论文还没详细看，等我研究好后，后面有机会再发吧。
今天主要聊聊，这个算法怎么玩。
项目地址：
https://github.com/babysor/MockingBird
有深度学习基础的话，这个应该不难。
就是部署环境，分四步：
- Anaconda 配置 Pytorch 开发环境
- 根据项目 requirements.txt 安装第三方库依赖
- 下载权重文件
- 下载训练集，这个几十G，有点大
具体的配置方法，直接看这里：
https://github.com/babysor/MockingBird/blob/main/README-CN.md
环境搭建的方法，可以参考我写过的两篇文章：
都搞定了，就可以运行代码了。
有两种模式可以启动，Web 模式和工具箱模式。
在项目根目录运行：
1 | python web.py |
即可开启 Web ，打开地址 http://localhost:8080 就能操作了。
这个界面比较简陋，建议使用工具箱模式。
1 | python demo_toolbox.py -d <datasets_root> |
datasets_root就是下载好的数据集的地址。
总结
Enjoy it！
喜欢的话，来个再看喽~
如果人多的话，后面我再出个详细的算法原理剖析和训练教程。
我是 Jack，我们下期见~
注意：本文归作者所有，未经作者允许，不得转载
