OpenVoiceV2本地部署教程,苹果MacOs部署流程,声音响度统一,文字转语音,TTS

最近OpenVoice项目更新了V2版本，新的模型对于中文推理更加友好，音色也得到了一定的提升，本次分享一下如何在苹果的MacOs系统中本地部署OpenVoice的V2版本。

首先下载OpenVoiceV2的压缩包：

复制代码

OpenVoiceV2-for-mac代码和模型 https://pan.quark.cn/s/33dc06b46699

该版本针对MacOs系统做了一些优化，同时针对中文语音做了响度统一的修改。

解压缩后，首先将项目目录中的HF_HOME中的hub文件夹拷贝到当前系统的如下目录：

复制代码

/Users/当前用户名/.cache/huggingface

这是huggingface模型在Mac系统的默认保存路径，如果不拷贝的话，需要从头下载十几个G的预训练模型，非常麻烦。

随后回到项目的根目录，输入命令：

复制代码

conda create -n openvoice python=3.10

创建Python版本为3.10的虚拟环境，注意版本只能是3.10。

接着激活虚拟环境：

复制代码

conda activate openvoice

系统返回：

复制代码

(base) ➜  OpenVoiceV2 git:(main) ✗ conda activate openvoice  
(openvoice) ➜  OpenVoiceV2 git:(main) ✗

说明激活成功。

由于底层需要mecab，所以通过brew进行安装：

复制代码

brew install mecab

开始安装依赖：

复制代码

pip install -r requirements.txt

由于OpenVoice只负责音素的提取，转换语音还需要tts支持，这里底层依赖melo-tts模块。

进入Melo目录：

复制代码

(openvoice) ➜  OpenVoiceV2 git:(main) ✗ cd MeloTTS   
(openvoice) ➜  MeloTTS git:(main) ✗

安装MeloTTS依赖：

复制代码

pip install -e .

成功后，需要单独下载字典文件：

复制代码

python -m unidic download

随后回到根目录，启动项目即可：

复制代码

python app.py

系统返回：

复制代码

(openvoice) ➜  OpenVoiceV2 git:(main) ✗ python app.py   
Running on local URL:  http://0.0.0.0:7860  
IMPORTANT: You are using gradio version 3.48.0, however version 4.29.0 is available, please upgrade.  
--------  
  
To create a public link, set `share=True` in `launch()`.

至此，就完成了在MacOs中针对OpenVoice的部署。

结语

OpenVoice的一个突破性功能是其能够进行zero-shot跨语言声音克隆。它可以将声音克隆到未包含在训练数据集中的语言中，而无需为这些语言提供大量说话者的训练数据。但事实上，与具有丰富标记数据的传统监督学习相比，Zero-shot learning在未知类别上通常面临较低的准确性，特别是在复杂类别上。依赖辅助信息可能会引入噪声和不准确性，所以，对于一些很特殊的音色，OpenVoice的效果并不好，必须针对底模进行微调才能够解决此类问题。