Fish Speech,一款由fishaudio开发的开源文本到语音(TTS)模型,其语音处理能力已接近人类自然交流的水平。该模型通过深度学习技术,利用约十五万小时的中、英、日三语言数据精心训练,确保了极高的准确性和流畅性,尤其在对中文的支持上达到了近乎完美的境地。Fish Speech以其高效的算法设计和仅亿级参数的轻量化架构,使得它能够在各种个人设备上无缝运行,并允许用户根据个人需求进行微调,从而成为一款贴心、个性化的私人语音助手。
Fish Speech V1.1 技术介绍
(支付积分后查看Fish Speech夸克网盘下载链接👇)
项目链接:https://github.com/fishaudio/fish-speech?tab=readme-ov-file
查看示例:https://speech.fish.audio/inference/
工具箱:https://heehel.com/category/ai-soft
介绍:
- 我们不对代码库的任何非法使用承担任何责任. 请参阅您当地关于 DMCA (数字千年法案) 和其他相关法律法规.
- 此代码库根据 BSD-3-Clause 许可证发布, 所有模型根据 CC-BY-NC-SA-4.0 许可证发布.
要求
- GPU 内存: 4GB (用于推理), 16GB (用于微调)
- 系统: Linux, Windows
Windows 配置
- Windows 专业用户可以考虑 WSL2 或 docker 来运行代码库。
- Windows 非专业用户可考虑以下为免 Linux 环境的基础运行方法(附带模型编译功能,即 torch.compile):
1、解压项目压缩包。
2、点击 install_env.bat 安装环境。
- 可以通过编辑 install_env.bat 的 USE_MIRROR 项来决定是否使用镜像站下载。
- USE_MIRROR=false 使用原始站下载最新稳定版 torch 环境。USE_MIRROR=true 为从镜像站下载最新 torch 环境。默认为 true。
- 可以通过编辑 install_env.bat 的 INSTALL_TYPE 项来决定是否启用可编译环境下载。
- INSTALL_TYPE=preview 下载开发版编译环境。INSTALL_TYPE=stable 下载稳定版不带编译环境。
3、若第2步 INSTALL_TYPE=preview 则执行这一步(可跳过,此步为激活编译模型环境)
a.使用如下链接下载 LLVM 编译器。
- 下载完 LLVM-17.0.6-win64.exe 后,双击进行安装,选择合适的安装位置,最重要的是勾选 Add Path to Current User 添加环境变量。
- 确认安装完成。
b.下载安装 Microsoft Visual C++ 可再发行程序包,解决潜在 .dll 丢失问题。
c.下载安装 Visual Studio 社区版以获取 MSVC++ 编译工具, 解决 LLVM 的头文件依赖问题。
- Visual Studio 下载
- 安装好Visual Studio Installer之后,下载Visual Studio Community 2022
- 如下图点击修改按钮,找到使用C++的桌面开发项,勾选下载
4、双击 start.bat, 进入 Fish-Speech 训练推理配置 WebUI 页面。
(可选) 想直接进入推理页面?编辑项目根目录下的 API_FLAGS.txt, 前三行修改成如下格式:
--infer # --api # --listen ... ...
(可选) 想启动 API 服务器?编辑项目根目录下的 API_FLAGS.txt, 前三行修改成如下格式:
# --infer --api --listen ... ...
(可选)双击 run_cmd.bat 进入本项目的 conda/python 命令行环境
Linux 配置
# 创建一个 python 3.10 虚拟环境, 你也可以用 virtualenv conda create -n fish-speech python=3.10 conda activate fish-speech # 安装 pytorch pip3 install torch torchvision torchaudio # 安装 fish-speech pip3 install -e . # (Ubuntu / Debian 用户) 安装 sox apt install libsox-dev