中文语音克隆|MockingBird（拟声鸟）github项目运行流程（一次跑通）

一、github克隆项目

特别注意下载的是v0.01版本

二、Python环境

1. Python3.9下载以及Pycharm安装

可以参考这位大佬的文章
https://blog.csdn.net/c_lanxiaofang/article/details/109902269

2. 下载torch：

（一） 打开pycharm控制台查看环境：括号里面的是py3.9，与我们创建的python环境一样

（二） 环境正确后安装torch，命令如下

	pip install torch==1.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
	pip install torchvision==0.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 其他必须需要的库：

	pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 安装webrtcvad-wheels：

	pip install webrtcvad-wheels -i https://pypi.tuna.tsinghua.edu.cn/simple

5. 安装ffmpeg：

安装过程参考：
https://blog.csdn.net/xiaoxueyaoxuexi/article/details/110451006

三、运行代码

1. 下载预训练模型

链接：https://pan.baidu.com/s/1Scp1pzKJVeSa_ZlOQm-wGA
提取码：2021

2. 将saved_models放入项目中的synthesizer目录中

3. 代码修改

找到项目中的“/synthesizer/utils/symbols.py”文件修改代码如下，直接注释上边的_characters，并把下面的_characters放开就OK啦，如下图

4. 终端输入指令

（一）GUI界面：
命令：

	python demo_toolbox.py

流程：

• 先“打开本地”或者是录音，上传录音要是.wav格式
• 推荐大家一个m4a转mav的免费网站 https://www.aconvert.com/cn/audio/m4a-to-wav/
• 进行模型选择，按我下面这样就可以，Synthesize选择ceshi，Vocoder选择pretrained
• 再点击右侧的“Synthesize and vocode”
• 左下方点击“Export”可以导出文件
  截图：
  
  （二）web界面：
  命令：

	python web.py

截图：

四、音质优化

1. 导入模型后将“Enhance vocoder output”勾选好，可以提高清晰度。
   

2. 可以尝试调整style和accuracy，然后点击“synthesize only”，调节至左下角的图像出现分段，可以看出来是一个一个的吐字，及吐字清晰即可点击“vocode only”，如下图
   
   效果好的语音如下图的效果：
   

问题反馈

大家有什么问题，可以评论区提问，我了解的话会帮大家解答！