FREE Text to Speech on Your PC! 1-Minute Voice Cloning! SoVITS tutorial

GRANDE AI

19 Jun 202404:02

Summary

TLDRこの動画では、1分間の音声ファイルを使って、誰の声でもクローンする方法をステップバイステップで紹介しています。必要なツールをダウンロードし、音声分割やモデルのトレーニングを行うプロセスを詳細に解説。その後、生成された音声を使ってテキスト読み上げを行い、品質の高い結果を得る方法を説明しています。特に、音声の自然さを保つための設定変更にも触れており、非常に高品質でオリジナルに近い音声合成が可能であることを示しています。

Takeaways

😀 ソビエトWeb UAをダウンロードして、オーディオファイルを使って声のクローンを作成する方法を紹介しています。
😀 1分間のオーディオファイルを用意し、音声分割のプロセスを開始します。
😀 音声ファイルには自然なスピードとポーズが必要で、これが分割プロセスの成功に不可欠です。
😀 分割が完了したら、出力フォルダに保存されたセグメントを確認し、正確に分割されたかチェックします。
😀 音声認識結果を確認して、テキストが正確に読み取られているかを検証します。
😀 TTS（テキスト・トゥ・スピーチ）タブに移動し、モデル名を入力して設定を調整します。
😀 音声合成のために、適切なファイルパスを指定して、必要な設定を行います。
😀 トレーニングプロセスを開始し、進捗をコンソールで監視します。
😀 モデルのトレーニングが完了したら、GPTトレーニングを開始して、さらに設定を進めます。
😀 新たに訓練したモデルをウェブUIで使い、音声を再生してテキスト生成を行います。

Q & A

音声クローンを作成するために必要な最初のステップは何ですか？
-最初のステップは、Soviet Web UAをダウンロードすることです。説明欄の最初のリンクをクリックし、最新のPayzipをダウンロードします。
Soviet Web UAをインストールした後、次に何をする必要がありますか？
-ダウンロードしたファイルを任意のフォルダに解凍し、そのフォルダ内にある'go web UI'というファイルを実行します。
音声セグメンテーションを開始するためには何を準備すべきですか？
-音声セグメンテーションを行うためには、少なくとも1分間の音声ファイルが必要です。音声ファイルのパスをコピーして入力フィールドに貼り付けます。
音声セグメンテーションの際に重要なことは何ですか？
-音声ファイルは、通常のスピードで自然なポーズを持っていることが重要です。そうでないと、セグメンテーションが失敗する可能性があります。
セグメンテーションが成功したことをどのように確認できますか？
-セグメンテーションが成功した場合、出力フォルダ内に音声が分割されたセグメントが表示されます。
音声ファイルが正確に読み取られたかを確認する方法はありますか？
-ASR opフォルダ内の.listファイルを開き、その内容を確認して、音声が正確に読み取られているかどうかを確認します。
TTS（Text-to-Speech）タブで何を設定すべきですか？
-TTSタブでは、モデル名を入力し、GPUの設定が自動的に検出されるため、その他の設定は変更する必要はありません。
音声ファイルを使用してテキストを生成する手順はどのようになりますか？
-ASR opフォルダ内の.listファイルを右クリックし、テキストをコピーしてテキストフィールドに貼り付けます。その後、言語設定を英語にし、生成したいテキストを入力して生成ボタンを押します。
音声の品質を向上させるための設定はありますか？
-音声をより自然に聞こえるようにするためには、「スライス by English pumped」の設定を変更することをお勧めします。
音声合成の結果はどのようなものですか？
-音声合成の結果は非常に高品質で、元の音声と非常に似た音が生成されます。