一键部署 Parler-TTS

教程简介

Parler-TTS 是一种轻量级的文本转语音 (TTS) 模型，可以生成具有给定说话者风格的高质量、自然语音，自由度及创新性非常高，并且可以通过 Prompt 控制说话者的性别、音色、语调以及所处的场景（室内、室外、马路上、音乐厅等）。它是 Stability AI 和爱丁堡大学的 Dan Lyth 和 Simon King 论文「 Natural language guide of high-fidelity text-to-speech with synthetic commenting」的代码复现。

与其他 TTS 模型不同，Parler-TTS 是完全开源的。所有数据集、预处理、训练代码和权重均在许可下公开发布，使社区能够在该教程的工作基础上开发自己的强大 TTS 模型。 注意：该模型暂不支持中文

运行步骤

1. 克隆并启动容器，等待约 30s（加载模型），点击 API 地址即可进入 Web 界面（使用 RTX 4090 即可启动）

2. 输入要生成的文字和风格描述，点击提交即可生成

• Input Text：需要转语音的文本

• Description：对于音频角色、场景、语调、音色等信息的描述，类似于 Prompt 。比如：A man voice speaks slightly slowly with very noisy background, carrying a low-pitch tone and displaying a touch of expressiveness and animation. The sound is very distant, adding an air of intrigue.

• Parler-TTS generation：生成的音频文件（可试听、下载）

交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓