大家好，欢迎来到 Crossin的编程教室 ！
今天，给大家介绍一个算法。
AI 算法 5 秒钟，就能克隆你的声音，你信吗？
听听这段音频，猜猜看是 AI 合成音，还是真人录音？
答案是：AI 合成。
这个人的原始声音在这里：
你给这个 AI 克隆声音的算法打几分？
上述两个音频，算法运行起来的效果：
录制一段音频，就可以根据输入的文字，5s 即可自动生成对应的合成音。突然有个大胆的想法，你说女朋友要是哪天突然不承认自己说过了某句话，我就给她造一份！MockingBird
这个算法是基于比较著名的 Real Time Voice Cloning 实现的。
MockingBird 是最近开源的中文版。
论文的名字是：
Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis
简单介绍下：
算法分为三个模块：encoder模块、systhesis模块、vocoder模块。
- encoder模块将说话人的声音转换成人声的数字编码（speaker embedding）
- synthesis 模块将文本转换成梅尔频谱（mel-spectrogram）
- vocoder模块将梅尔频谱（mel-spectrogram）转换成（波形）waveform
具体的算法原理，大家可以看论文：
https://arxiv.org/pdf/1806.04558.pdf
我们来看下，这个算法怎么玩。
项目地址：https://github.com/babysor/MockingBird
有深度学习基础的话，这个应该不难。
部署环境，分四步：
- 根据项目 requirements.txt 安装第三方库依赖
具体的配置方法，直接看这里：
https://github.com/babysor/MockingBird/blob/main/README-CN.md
都搞定了，就可以运行代码了。
有两种模式可以启动，Web 模式和工具箱模式。
在项目根目录运行：
python web.py
即可开启 Web ，打开地址 http://localhost:8080 就能操作了。
这个界面比较简陋，建议使用工具箱模式。
python demo_toolbox.py -d
datasets_root就是下载好的数据集的地址。
剩下的，就看各位的发挥啦。Enjoy it！
如果文章对你有帮助，欢迎转发/点赞/收藏~
作者：Jack Cui
_往期文章推荐_
