Easy Voice Toolkit: набор инструментов для локального развертывания AI Voice Toolkit

Общее введение

Easy-Voice-Toolkit - это универсальный набор инструментов, основанный на проекте Open Source Speech Project, который предоставляет широкий спектр автоматизированных аудиоинструментов для распознавания речи, транскрипции речи, преобразования речи, создания наборов данных и обучения моделей. Пользователи могут выборочно использовать эти инструменты по мере необходимости или применять их последовательно для постепенного преобразования необработанных аудиофайлов в идеальные речевые модели. Инструментарий поддерживает локальное развертывание, и пользователи могут загрузить легкий установочный пакет или портативный пакет для использования.

Список функций

• обработка звука

• распознавание речи

• транскрипция голоса

• Создание набора данных (преобразование SRT и разделение WAV)

• обучение модели

• синтез речи

Использование помощи

Процесс установки:

1. Загрузите легкий установщик: Небольшие пакеты, содержащие инструкции по установке, но не содержащие необходимых зависимостей и моделей окружения.
2. Скачать готовый к использованию чехол для переноски: Большой пакет со всеми зависимостями окружения и несколькими пресетами моделей, загрузите и распакуйте для использования.

Локальное развертывание - установка пользователем:

1. Загрузите легкий инсталлятор или готовый к использованию портативный пакет.
2. Распакуйте загруженный файл.
3. быть в движении .exe файл или его ярлык.

Локальное развертывание - среда настройки разработчика:

1. Убедитесь, что установлен Python 3.8 или более поздней версии.
2. Хранилище проектов клонирования:

   git clone https://github.com/Spr-Aachen/Easy-Voice-Toolkit.git
   

3. Перейдите в каталог проекта:

   cd Easy-Voice-Toolkit
   

4. Установите зависимости:

   pip install -r requirements.txt
   

5. Установите зависимости графического интерфейса:

   pip install pyside6 QEasyWidgets pywin32==300 psutil pynvml darkdetect PyGithub
   

6. Запустите программу:

   python Run.py
   

Функциональный поток операций:

1. обработка звука: Импортируйте аудиофайл, выберите нужные инструменты обработки (например, шумоподавление, редактирование и т. д.), примените обработку и сохраните результат.
2. распознавание речи: Импорт аудиофайла, выбор модели распознавания речи, запуск распознавания и экспорт текстовых результатов.
3. транскрипция голоса: Импортируйте аудиофайл, выберите инструмент транскрипции, запустите транскрипцию и экспортируйте файл субтитров (например, SRT).
4. Производство наборов данных: Импортируйте аудиофайлы, выберите инструмент для создания набора данных и выполните преобразование SRT или разбиение WAV для создания обучающего набора данных.
5. обучение модели: Импортируйте набор данных для обучения, выберите инструмент обучения модели, настройте параметры обучения, запустите обучение и сохраните модель.
6. фонетическая транскрипция: Импортируйте аудиофайлы, выберите инструмент для преобразования голоса, настройте параметры преобразования, запустите преобразование и сохраните результат.

предостережение

• В настоящее время интерфейс UI поддерживает только системы Windows.
• Пожалуйста, обеспечьте стабильное интернет-соединение во время загрузки и использования.
• Если у вас возникнут проблемы, обратитесь к инструкциям и часто задаваемым вопросам в репозитории проекта.