Hugging Face's logo

Spaces:
CrenCren
/
cren
Build error

App Files Community
cren
File size: 3,986 Bytes 
88aba71
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
 
# WeClone-audio 模块

WeClone-audio 是一个使用微信语音消息克隆声音的模块，使用模型实现高质量语音合成。
### 显存需求
**Spark-TTS** 推荐
- **0.5B 模型**: 约 4GB 显存

**Llasa** （已弃用）
- **3B 模型**: 约 16GB 显存
- **1B 模型**: 约 9GB 显存  




## 1. 导出微信语音数据

### 1.1 准备工作
- 使用 [PyWxDump](https://github.com/xaoyaoo/PyWxDump) 提取微信聊天记录
- 下载软件并解密数据库
- 点击聊天备份，导出类型选择"解密文件"

### 1.2 环境配置
语音导出仅支持Windows环境
WeClone Audio使用uv作为包管理器。 
```bash

# 为 PyWxDump 创建 Python 环境和安装依赖

# 

uv venv .venv-wx --python=3.10

.venv-wx\Scripts\activate

uv pip install pywxdump

```

### 1.3 导出语音文件
```bash

python weclone-audio/src/get_sample_audio.py --db-path "导出数据库路径" --MsgSvrID "导出聊天记录的MsgSvrID字段"

```

## 2. 语音合成推理
### Spark-TTS模型

**环境安装**
可不创建新环境，直接安装`sparktts`依赖组到WeClone共主环境

```bash

uv venv .venv-sparktts --python=3.10

source .venv-sparktts/bin/activate

uv pip install --group sparktts -e .



git clone https://github.com/SparkAudio/Spark-TTS.git weclone-audio/src/Spark-TTS

```


**模型下载**

通过python下载:
```python

from huggingface_hub import snapshot_download



# 假设此 Python 代码在 weclone-audio 目录下运行 模型将下载到 weclone-audio/pretrained_models/Spark-TTS-0.5B

snapshot_download("SparkAudio/Spark-TTS-0.5B", local_dir="pretrained_models/Spark-TTS-0.5B")

```

或通过git下载:
```bash

# 假设当前在 weclone-audio 目录

mkdir -p pretrained_models



# Make sure you have git-lfs installed (https://git-lfs.com)

git lfs install

git clone https://huggingface.co/SparkAudio/Spark-TTS-0.5B pretrained_models/Spark-TTS-0.5B

```
使用代码推理
```python

import os

import SparkTTS  

import soundfile as sf

import torch



from SparkTTS import SparkTTS 



# 假设此 Python 代码在 weclone-audio 目录下运行

# 模型路径相对于当前目录

model_path = "pretrained_models/Spark-TTS-0.5B"

sample_audio = "sample.wav"

output_audio = "output.wav"



model = SparkTTS(model_path, "cuda")



with torch.no_grad():

    wav = model.inference(

        text="晚上好啊,小可爱们，该睡觉了哦",

        prompt_speech_path=sample_audio, # 使用相对路径

        prompt_text="对，这就是我万人敬仰的太乙真人，虽然有点婴儿肥，但也掩不住我逼人的帅气。",

    )

    sf.write(output_audio, wav, samplerate=16000) # 使用相对路径

```
### Llasa模型 （已弃用）
### 2.1 环境配置
```bash

# 创建并配置推理环境 

## 可不创建新环境，与LLaMA-Factory环境共用

uv venv .venv-xcodec --python=3.9

source .venv-xcodec/bin/activate

uv pip install --group xcodec -e .

# 退出环境

deactivate



# 系统依赖安装（如果需要）

sudo apt install python3-dev 

sudo apt install build-essential

```

### 2.2 使用代码推理
如果遇到问题，请尝试将参考音频转换为WAV或MP3格式，将其裁剪至15秒以内，并缩短提示文本。
```python

import os

import soundfile as sf

# 假设 text_to_speech.py 位于 src/ 或其他可导入的位置

from text_to_speech import TextToSpeech





sample_audio_text = "对，这就是我万人敬仰的太乙真人，虽然有点婴儿肥，但也掩不住我逼人的帅气。"  # 示例音频文本

# 假设此 Python 代码在 weclone-audio 目录下运行

# 示例音频路径相对于当前目录

sample_audio_path = "sample.wav"

output_audio = "output.wav"





tts = TextToSpeech(sample_audio_path, sample_audio_text)

target_text = "晚上好啊"  # 生成目标文本

result = tts.infer(target_text)

sf.write(output_audio, result[1], result[0])  # 使用相对路径

```