SoloSpeech：从混合语音中提取目标说话人的声音。由于模型训练素材关系，目前比较适用于英文，非英文表现不佳。

文末有生成示例。

开源地址：https://github.com/WangHelin1997/SoloSpeech

☞☞☞☞☞☞  一键启动包在右侧下载  ☞☞☞☞☞☞

配置要求：

电脑满足以下配置：

  • 操作系统：Windows 10/11 64位
  • 内存：20G以上
  • 显卡：至少16G及以上显存的英伟达（NVIDIA）显卡
  • CUDA：显卡支持的CUDA版本大于等于12.8版本（如不知道显卡支持的CUDA版本，可点击此链接查看：https://aiyy.info/supported-cuda-versions/）
  • 整个包解压完约16.9G，要留足硬盘空间

如何查看显卡品牌型号和显存：

  • 打开任务管理器
  • 点击“性能”
  • 点击“GPU”
  • 右上角可以看到显卡型号，下方可以看到显存大小

 

使用教程：

① 打开下载页面（https://aiyy.info/solospeech/）点击页面右侧下载按钮，下载整合包之后解压，建议使用winrar解压（解压软件在文件包中，或者可以自己下载安装，下载地址：https://www.winrar.com.cn/）

不要用Windows自带解压！！不要用360解压！！

注意：文件夹路径和文件名称（包括音频、图片、视频等文件名称）不要出现中文字符，否则部分软件会因识别不出而报错

② 双击“一键启动.bat”，稍等片刻会在浏览器中自动打开操作界面

③ 上传混合音频（就是包含多个说话人的音频），再上传目标说话人参考音频，最后点击“开始提取”

④ 生成结果位于下方，点击播放按钮可以试听，点击下载按钮可以保存至指定文件夹

原混合音频：

目标说话人参考音频：

生成结果：

 

声明： ① 本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。若由于商用引起版权纠纷，一切责任均由使用者承担。更多说明请参考赞助计划。 ② 本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。