AnonymousmousCoder
AnonymousmousCoder
试了，没必要。 除非你cpu和gpu跑不满。
非常棒的功能！希望能更进一步实现在推理时的参考音频自动筛选：如语音语调、断句的契合度等
> 有打算自己手搓这种功能，加入自动检查和重新生成纠正生成的问题，尽可能实现自动完成大段无误音频推理。 倒是更期待看到emotional, speech to speech 功能出来 看来现在只能自己手搓了
我也出现了这个问题！！主要是复读情况挺多。好的解决方式：参考音频在韵律和子串个数上和要推理的文本尽量相似。 ，楼上说的用GPT官模，确实不行，因为自己的GPT底模确实有的角色要用 。时长有的长是因为空白，我发现是推理不收敛，一直会到最大步数才停。 还有就是在哪获得白菜大佬练得模型呀？想下载试试？
响度匹配部分代码拉下来用了，效果明显，很稳定，未发现bug。我直接用在推理部分了。
> 多字，少字，我发现偶然会多出来语气词，比如哎 然后我的推理音频偶然会有整个句子变成静音。不知道你碰到了吗？ 有的！切句后，单次推理字数少时，格外明显。长句子（内含好几个逗号或者句号的）偶尔漏掉开头和末尾。在前面加句号都没用。根据我实际使用，修改后的: （是的，我最终选择加逗号，而不是句号） ``` for text in _texts: # 解决输入目标文本的空行导致报错的问题 if (len(text.strip()) == 0): continue text = text.strip() if (text[0] not in splits and len(get_first(text)) < 6): text...
现在就剩了两个问题啦： 1、短句效果不好问题，即len(text)
> 我也在做类似的项目,基本上已经完工只待发布了,有兴趣可以交流一下.我的WX:yese_5293  @silenceyese 看了一下你的系统，界面很不错。不过你的竟然是离线客户端，前端窗体，后端推理要用户自备，这对用户电脑和对用户自身的要求太高啦。我做的是前后端都是在线的，我觉得这样用户更容易点，点进网址就能直接用
怎么可能有版权问题，会导致有版权问题的是你的参考音频。 官方底模融了这么多根本分不分谁是谁，无法举证的。