CosyVoice
1.0.0
[ورقة CosyVoice] [استوديو CosyVoice] [رمز CosyVoice]
بالنسبة إلى SenseVoice ، تفضل بزيارة SenseVoice repo ومساحة SenseVoice.
2024/07
2024/08
2024/09
سيتم تحديده لاحقًا
استنساخ وتثبيت
git clone --recursive https://github.com/FunAudioLLM/CosyVoice.git
# If you failed to clone submodule due to network failures, please run following command until success
cd CosyVoice
git submodule update --init --recursiveconda create -n cosyvoice python=3.8
conda activate cosyvoice
# pynini is required by WeTextProcessing, use conda to install it as it can be executed on all platform.
conda install -y -c conda-forge pynini==2.1.5
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com
# If you encounter sox compatibility issues
# ubuntu
sudo apt-get install sox libsox-dev
# centos
sudo yum install sox sox-develتحميل النموذج
نوصي بشدة بتنزيل نموذج CosyVoice-300M CosyVoice-300M-SFT CosyVoice-300M-Instruct ومورد CosyVoice-ttsfrd .
إذا كنت خبيرًا في هذا المجال، وكنت مهتمًا فقط بتدريب نموذج CosyVoice الخاص بك من البداية، فيمكنك تخطي هذه الخطوة.
# SDK模型下载
from modelscope import snapshot_download
snapshot_download ( 'iic/CosyVoice-300M' , local_dir = 'pretrained_models/CosyVoice-300M' )
snapshot_download ( 'iic/CosyVoice-300M-25Hz' , local_dir = 'pretrained_models/CosyVoice-300M-25Hz' )
snapshot_download ( 'iic/CosyVoice-300M-SFT' , local_dir = 'pretrained_models/CosyVoice-300M-SFT' )
snapshot_download ( 'iic/CosyVoice-300M-Instruct' , local_dir = 'pretrained_models/CosyVoice-300M-Instruct' )
snapshot_download ( 'iic/CosyVoice-ttsfrd' , local_dir = 'pretrained_models/CosyVoice-ttsfrd' ) # git模型下载，请确保已安装git lfs
mkdir -p pretrained_models
git clone https://www.modelscope.cn/iic/CosyVoice-300M.git pretrained_models/CosyVoice-300M
git clone https://www.modelscope.cn/iic/CosyVoice-300M-25Hz.git pretrained_models/CosyVoice-300M-25Hz
git clone https://www.modelscope.cn/iic/CosyVoice-300M-SFT.git pretrained_models/CosyVoice-300M-SFT
git clone https://www.modelscope.cn/iic/CosyVoice-300M-Instruct.git pretrained_models/CosyVoice-300M-Instruct
git clone https://www.modelscope.cn/iic/CosyVoice-ttsfrd.git pretrained_models/CosyVoice-ttsfrd اختياريًا، يمكنك فك ضغط ttsfrd resouce وتثبيت حزمة ttsfrd لتحسين أداء تسوية النص.
لاحظ أن هذه الخطوة ليست ضرورية. إذا لم تقم بتثبيت حزمة ttsfrd ، فسنستخدم WeTextProcessing افتراضيًا.
cd pretrained_models/CosyVoice-ttsfrd/
unzip resource.zip -d .
pip install ttsfrd-0.3.6-cp38-cp38-linux_x86_64.whlالاستخدام الأساسي
للحصول على استدلال Zero_shot/cross_lingual، يرجى استخدام طراز CosyVoice-300M . للحصول على استنتاج sft، يرجى استخدام طراز CosyVoice-300M-SFT . للحصول على الاستدلال الإرشادي، يرجى استخدام نموذج CosyVoice-300M-Instruct . أولاً، قم بإضافة third_party/Matcha-TTS إلى PYTHONPATH الخاص بك.
export PYTHONPATH=third_party/Matcha-TTS from cosyvoice . cli . cosyvoice import CosyVoice
from cosyvoice . utils . file_utils import load_wav
import torchaudio
cosyvoice = CosyVoice ( 'pretrained_models/CosyVoice-300M-SFT' , load_jit = True , load_onnx = False , fp16 = True )
# sft usage
print ( cosyvoice . list_avaliable_spks ())
# change stream=True for chunk stream inference
for i , j in enumerate ( cosyvoice . inference_sft ( '你好，我是通义生成式语音大模型，请问有什么可以帮您的吗？' , '中文女' , stream = False )):
torchaudio . save ( 'sft_{}.wav' . format ( i ), j [ 'tts_speech' ], 22050 )
cosyvoice = CosyVoice ( 'pretrained_models/CosyVoice-300M-25Hz' ) # or change to pretrained_models/CosyVoice-300M for 50Hz inference
# zero_shot usage, <|zh|><|en|><|jp|><|yue|><|ko|> for Chinese/English/Japanese/Cantonese/Korean
prompt_speech_16k = load_wav ( 'zero_shot_prompt.wav' , 16000 )
for i , j in enumerate ( cosyvoice . inference_zero_shot ( '收到好友从远方寄来的生日礼物，那份意外的惊喜与深深的祝福让我心中充满了甜蜜的快乐，笑容如花儿般绽放。' , '希望你以后能够做的比我还好呦。' , prompt_speech_16k , stream = False )):
torchaudio . save ( 'zero_shot_{}.wav' . format ( i ), j [ 'tts_speech' ], 22050 )
# cross_lingual usage
prompt_speech_16k = load_wav ( 'cross_lingual_prompt.wav' , 16000 )
for i , j in enumerate ( cosyvoice . inference_cross_lingual ( '<|en|>And then later on, fully acquiring that company. So keeping management in line, interest in line with the asset that ' s coming into the family is a reason why sometimes we don ' t buy the whole thing.' , prompt_speech_16k , stream = False )):
torchaudio . save ( 'cross_lingual_{}.wav' . format ( i ), j [ 'tts_speech' ], 22050 )
# vc usage
prompt_speech_16k = load_wav ( 'zero_shot_prompt.wav' , 16000 )
source_speech_16k = load_wav ( 'cross_lingual_prompt.wav' , 16000 )
for i , j in enumerate ( cosyvoice . inference_vc ( source_speech_16k , prompt_speech_16k , stream = False )):
torchaudio . save ( 'vc_{}.wav' . format ( i ), j [ 'tts_speech' ], 22050 )
cosyvoice = CosyVoice ( 'pretrained_models/CosyVoice-300M-Instruct' )
# instruct usage, support <laughter></laughter><strong></strong>[laughter][breath]
for i , j in enumerate ( cosyvoice . inference_instruct ( '在面对挑战时，他展现了非凡的<strong>勇气</strong>与<strong>智慧</strong>。' , '中文男' , 'Theo ' Crimson ' , is a fiery, passionate rebel leader. Fights with fervor for justice, but struggles with impulsiveness.' , stream = False )):
torchaudio . save ( 'instruct_{}.wav' . format ( i ), j [ 'tts_speech' ], 22050 )ابدأ عرض الويب
يمكنك استخدام صفحتنا التجريبية على الويب للتعرف على CosyVoice بسرعة. نحن ندعم الاستدلال sft/zero_shot/cross_lingual/instruct في العرض التوضيحي على الويب.
يرجى الاطلاع على الموقع التجريبي للحصول على التفاصيل.
# change iic/CosyVoice-300M-SFT for sft inference, or iic/CosyVoice-300M-Instruct for instruct inference
python3 webui . py - - port 50000 - - model_dir pretrained_models / CosyVoice - 300 Mالاستخدام المتقدم
بالنسبة للمستخدمين المتقدمين، قمنا بتوفير نصوص للتدريب والاستدلال في examples/libritts/cosyvoice/run.sh . يمكنك التعرف على CosyVoice باتباع هذا المستلم.
بناء للنشر
اختياريًا، إذا كنت تريد استخدام grpc لنشر الخدمة، فيمكنك تنفيذ الخطوات التالية. خلاف ذلك، يمكنك فقط تجاهل هذه الخطوة.
cd runtime/python
docker build -t cosyvoice:v1.0 .
# change iic/CosyVoice-300M to iic/CosyVoice-300M-Instruct if you want to use instruct inference
# for grpc usage
docker run -d --runtime=nvidia -p 50000:50000 cosyvoice:v1.0 /bin/bash -c " cd /opt/CosyVoice/CosyVoice/runtime/python/grpc && python3 server.py --port 50000 --max_conc 4 --model_dir iic/CosyVoice-300M && sleep infinity "
cd grpc && python3 client.py --port 50000 --mode < sft | zero_shot | cross_lingual | instruct >
# for fastapi usage
docker run -d --runtime=nvidia -p 50000:50000 cosyvoice:v1.0 /bin/bash -c " cd /opt/CosyVoice/CosyVoice/runtime/python/fastapi && python3 server.py --port 50000 --model_dir iic/CosyVoice-300M && sleep infinity "
cd fastapi && python3 client.py --port 50000 --mode < sft | zero_shot | cross_lingual | instruct > يمكنك مناقشة مشكلات Github مباشرة.
يمكنك أيضًا مسح رمز الاستجابة السريعة ضوئيًا للانضمام إلى مجموعة الدردشة الرسمية Dingding.
المحتوى المقدم أعلاه مخصص للأغراض الأكاديمية فقط ويهدف إلى إظهار القدرات التقنية. يتم الحصول على بعض الأمثلة من الإنترنت. إذا كان هناك أي محتوى ينتهك حقوقك، يرجى الاتصال بنا لطلب إزالته.
