原贴链接

我所看到提到的大多数东西都是关于大型语言模型（LLM）实时或接近实时地“说话”，它们能说话，但在实际复制声音方面表现不佳。我正在寻找可能需要一些时间但能给出更好结果的东西。

讨论总结

原帖提出寻找非实时但高质量的本地语音克隆选项，众多评论者积极回应推荐了各种工具。有推荐https://github.com/SWivid/F5 - TTS的，也有提到https://www.tryreplay.io/和https://github.com/IAHispano/Applio的，还有推荐XTTS v2的，并且针对这些推荐工具展开了如实时性、使用效果、安装问题等多方面的讨论，整体氛围积极和谐，大家都在分享相关资源和使用经验。

主要观点

  1. 👍 推荐https://github.com/SWivid/F5 - TTS用于非实时高质量本地语音克隆
    • 支持理由：未提及具体理由，可能基于自身了解。
    • 反对声音：无。
  2. 🔥 推荐https://www.tryreplay.io/用于语音克隆，虽用户界面围绕歌曲翻唱构建但按特定思路使用效果不错
    • 正方观点：评论者自己使用过且认为按照将语音替换视为歌曲翻唱的思路可行。
    • 反方观点：无。
  3. 💡 推荐https://github.com/IAHispano/Applio用于语音克隆，且使用过
    • 支持理由：自身使用过，有语音克隆功能且是神经网络音频相关的经典工具箱。
    • 反对声音：有人反映无法安装。
  4. 💡 XTTS v2可用于非实时、高质量本地语音克隆且可全微调
    • 支持理由：未提及具体理由，可能基于自身使用经验。
    • 反对声音：无。
  5. 💡 全微调可提高XTTS v2语音质量
    • 支持理由：未提及具体理由，可能基于经验。
    • 反对声音：无。

金句与有趣评论

  1. “😂 chibop1: Try this one: https://github.com/SWivid/F5 - TTS”
    • 亮点：直接推荐工具，简洁明了。
  2. “🤔 martinerous：https://www.tryreplay.io/ - this can be a bit confusing because its UI is built with song covers in mind, but if you approach voice replacement as a song cover, it works well.”
    • 亮点：指出工具界面的特殊性以及特殊使用思路。
  3. “👀 brool: XTTS v2, with a full finetune.”
    • 亮点：明确推荐XTTS v2并提及全微调。

情感分析

总体情感倾向是积极的，大家都在分享自己知道的语音克隆工具及使用经验。主要分歧点在于部分工具如Applio存在安装问题，可能的原因是不同的设备环境或者软件本身的兼容性问题。

趋势与预测

  • 新兴话题：关于其他模型是否有特定WebUI的训练器。
  • 潜在影响：有助于语音克隆技术在更多领域如语音助手、多媒体制作等方面的应用和发展。

详细内容：

标题：非实时、高质量本地语音克隆有哪些选择？

在 Reddit 上，有一个引发广泛关注的帖子询问了非实时、高质量本地语音克隆的相关问题。该帖子获得了众多用户的参与，评论数众多。

原帖表示大多数常见的语音相关技术在实时或近实时“说话”方面有所提及，但在真正复制语音方面表现欠佳，发帖者正在寻找可能需要一些时间但能给出更好结果的方法。

这一话题引发了大家对于各种工具和技术的热烈讨论。有人推荐了“https://github.com/SWivid/F5 -TTS”，称根据作者的说法，在硬件足够强大的情况下它能实现实时到音频长度的转换，不过刚推出不久，还未尝试。还有人提到“https://www.tryreplay.io/”，表示虽然其界面因以歌曲封面为设计思路可能有点让人困惑，但将语音替换视为歌曲封面的话，效果不错。另外，“https://github.com/IAHispano/Applio”也被推荐，有人分享使用它训练一夜 30 分钟音频取得了很好的结果，虽然并非完美，在情感处理上有些吃力。但也有人表示安装 Applio 遇到困难，只能期待未来的项目。

有人推荐了 XTTS v2 并表示进行完整微调能提高质量，还提供了相关的详细指南链接。有人询问示例是 LoRA 还是完整微调，也有人请教如何进行一次性操作。

在这场讨论中，核心的问题和争议点在于如何找到既非实时但又能保证高质量的本地语音克隆工具，以及不同工具的效果和使用难度。

不同用户对各种推荐的工具和技术持有不同的看法。有人对某些工具的效果赞不绝口，也有人在使用和安装过程中遭遇困难。但大家都在积极分享和探讨，希望能找到最适合的解决方案。

总之，Reddit 上的这场讨论充分展示了大家对于非实时、高质量本地语音克隆技术的关注和探索热情。