Проект для синтеза речи с использованием модели fish-speech/xtts. Позволяет преобразовывать текст в речи с клонированием голоса.

• Клоинрование голоса из WAV-файла
• Поддержка русского языка
• Высокое качество синтеза
• Простой API

• Ubuntu/Debian
• Python 3.11 - 3.11.9
• Библиотека TTS
• Образец голоса (WAV, 16kHz, moho)
• Минимум 4GB RAM

1. Клонируйте проект:

   git clone git@github.com:5ekastanx/Voice-Synthesis.git
   cd Voice-Synthesis

Если у вас установлена другая версия Python, выполните следующие шаги:

1. Деактивируйте текущее виртуальное окружение (если есть):

   deactivate

2. Добавьте репозиторий Python и обновите систему:

   sudo add-apt-repository ppa:deadsnakes/ppa
   sudo apt update

3. Установите Python 3.11:

   sudo apt install python3.11 python3.11-venv

1. Создайте новое виртуальное окружение:

   python3.11 -m venv new_venv

2. Активируйте окружение:

   source new_venv/bin/activate

3. Установите TTS:

   pip install TTS

Voice-Synthesis/
├── main.py              # Основной скрипт
├── voice_samples/       # Образцы голоса
│   └── aliya.wav       # Пример образца
└── output/             # Выходные файлы
    └── output.wav

1. Поместите WAV-файл с образцом голоса в voice_samples/

2. Запустите синтез:

   text = "Ваш текст для синтеза"
   synthesize(
       text=text,
       speaker_wav=speaker_wav
   )

3. Запустите скрипт:

   python main.py

• CUDA out of memory: Уменьшите размер текста
• Искажение голоса: Проверьте частоту дискретизации (16kHz)
• FileNotFoundError: Проверьте пути к файлам