1. 最簡單係用發聲機講野
2. 如果難度高d 可以學用食道講野
請問有無廣東話voice cloning app 俾即將失去聲帶的癌症病人
小POTATO
486 回覆
1303 Like
11 Dislike
推
#153
支持
推
推
推
建議樓主幫男朋友媽咪錄好多日常對話嘅音
個數目真係無一萬都要幾千句
一定係愈多愈好
最好喺靜嘅環境錄 少啲雜訊 令個model容易啲train出嚟
首先全部都好似機械人咁讀出嚟先
之後如果仲有時間、體力 就同一句子有埋唔同語氣
（可能AI假以時日幫你處理埋語氣都未定）
個數目真係無一萬都要幾千句
一定係愈多愈好
最好喺靜嘅環境錄 少啲雜訊 令個model容易啲train出嚟
首先全部都好似機械人咁讀出嚟先
之後如果仲有時間、體力 就同一句子有埋唔同語氣
（可能AI假以時日幫你處理埋語氣都未定）
幫手推
咁趕，
1. 你搵幾本書/forum post俾你媽讀左佢先，之後先人手打返字同標點
2. 錄既話，普通usb 咪都得架啦，22050hz 咁錄，waveglow pretrain 係22050hz，最好冇背景雜音，有既又係事後人手剔走佢
3.每句句子之間停幾秒，之後先人手斷開返
每句句子大約5至40個字，唔啱長度果啲skip 左佢，坐底2萬至3萬句啦
4. 事後幾個月搞完啲data 就做preprocess，中文字用pycantonese轉拼音，字之間用regex, 係中文字之間加返symbol 去分開，扮返英文咁train
5. train就 3日到啦，3070
1. 你搵幾本書/forum post俾你媽讀左佢先，之後先人手打返字同標點
2. 錄既話，普通usb 咪都得架啦，22050hz 咁錄，waveglow pretrain 係22050hz，最好冇背景雜音，有既又係事後人手剔走佢
3.每句句子之間停幾秒，之後先人手斷開返
每句句子大約5至40個字，唔啱長度果啲skip 左佢，坐底2萬至3萬句啦
4. 事後幾個月搞完啲data 就做preprocess，中文字用pycantonese轉拼音，字之間用regex, 係中文字之間加返symbol 去分開，扮返英文咁train
5. train就 3日到啦，3070
幫推
得幾日，希望你得
推
push
推
推
推
其實技術上已經有，我見台大李宏毅有leature上 demo 過。 拎想要聲既dataset train個AI TTS model, 已經可以。
幫推
唉好sad