前言

  本文介绍开源项目OpenVoice的本地部署，基于VsCode和Anaconda(提供python虚拟环境)，来进行部署的。下述不介绍Anaconda的安装流程，要自行安装。且只截图演示关键部分图文演示。

官方项目介绍：OpenVoice：多功能即时语音克隆 |MyShell 人工智能

材料

• Anaconda的官网以及教程：Anaconda，Anaconda 菜鸟教程，上述教程不清楚的话，可在搜索其它相关教程，本文不在赘述。
• VsCode可以到官网直接下载，不过想必要用到开源项目的人都会人手装有了吧。Visual Studio Code

步骤

除了上述说所的软件外，下述中还需要下载ffmpeg，和在VsCode添加Jupyter扩展。

下载ffmpeg

ffmpeg官网目前发布到了7.1了，但是我看都多选择6.1.1版本，所以可以去它的GitHub上找到指定的版本。CODEX FFMPEG，Releases · GyanD/codexffmpeg (github.com)

下载解压包后，可以在搜索栏搜索打开编辑系统环境变量 ->点击右下角 环境变量 -> 在下栏的环境变量中选择变量Path,选中后点击编辑 -> 然后新建，把解压的路径放进去，例如我的是D:\my\ffmpeg\ffmpeg-6.1.1-full_build\bin。

win(微软图标)+R，输入cmd，进入命令行，验证是否成功安装：

ffmpeg -version

VsCode添加Jupyter扩展

在VsCode的插件中搜索Jupyter扩展，下载即可。

VsCode打开项目

获取OpenVoice项目，在GitHub - OpenVoice，下载项目ZIP压缩包，或者Git拉取都可以，这里也不赘述了。并在VsCode中打开，创建并选择python虚拟环境。

创建python虚拟环境

该步骤的前提是确保Anaconda以及被安装在电脑上了。

打开VsCode的终端(Ctrl+ `)或者打开系统的CMD命令行。

查看是否安装了Anaconda

Anaconda -V

创建python虚拟环境，有[y]/n的选项，y下载就行了。

conda create --name OpenVoice python=3.9

是否创建成功可以，用下述命令查看：

conda env list

VsCode中载入虚拟环境

在选择环境时会搜索出虚拟环境，选择就好了。

选择好后，自动激活环境了

然后在继续执行，下述命令从文件中下载指定依赖版本（这里我好像没改过源，下载还是要一定时间的）：

pip install -r requirements.txt

部署问题

在完成上述步骤后，想开始运行demo_part1.ipynb，因为是国内网络环境，所以下述两个文件在运行时的下载，几乎必定会出现的问题，参考网上的解决方案，要通过提前下载导入的方式。

1. huggingface文件无法下载

   在itialization段代码中，报错问题截选：
   '(MaxRetryError("HTTPSConnectionPool(host='huggingface.co', port=443): Max retries exceeded with url: /M4869/WavMark/resolve/main/step59000_snr39.99_pesq4.35_BERP_none0.30_mean1.81_std1.81.model.pkl (Caused by ConnectTimeoutError(<urllib3.connection.HTTPSConnection object at 0x000001AADD964790>, 'Connection to huggingface.co timed out. (connect timeout=10)'))"), '(Request ID: 012bc077-12af-441a-8b68-571f9aa0da2d)')' thrown while requesting HEAD https://huggingface.co/M4869/WavMark/resolve/main/step59000_snr39.99_pesq4.35_BERP_none0.30_mean1.81_std1.81.model.pkl
   

   step59000_snr39.99_pesq4.35_BERP_none0.30_mean1.81_std1.81.model.pkl将文件放到C:\Users\XYZ\.cache\huggingface\hub\models--M4869--WavMark文件夹下。XYZ为电脑用户名，models--M4869--WavMark为下载时生成的文件夹。

   且，在D:\my\Anaconda\envs\OpenVoice\Lib\site-packages\wavmark\__init__.py中，将代码改成手动读取，然后把项目代码保存重启：

   def load_model(path="default"):
       if path == "default":
       #     # resume_path = hf_hub_download(repo_id="M4869/WavMark",
       #     #                               filename="step59000_snr39.99_pesq4.35_BERP_none0.30_mean1.81_std1.81.model.pkl",
       #     #                               )
           resume_path = "C:/Users/XYZ/.cache/huggingface/hub/models--M4869--WavMark/step59000_snr39.99_pesq4.35_BERP_none0.30_mean1.81_std1.81.model.pkl"
       # else:
       #     resume_path = path
       model = my_model.Model(16000, num_bit=32, n_fft=1000, hop_length=400, num_layers=8)
       checkpoint = torch.load(resume_path, map_location=torch.device('cpu'))
       model_ckpt = checkpoint
       model.load_state_dict(model_ckpt, strict=True)
       model.eval()
       return model
   

2. silero无法下载

   这个忘记记录问题片段了。

   将目标文件snakers4-silero-vad-v5.1.2-5-ge531cd3.zip，解压到该文件夹下C:\Users\XYZ\.cache\torch\hub\snakers4_silero-vad_master，注意只是将内容解压进去，不要包含压缩包文件的名称文件夹。

基本使用

如果按照上述流程，那么应该是能跑通demo_part1.ipynb，文件了。跑通了，会输出生成消息，音频信息会在/outputs下。

替换训练者的音频

reference_speaker = 'resources/ky_kk.mp3' # This is the voice you want to clone

替换输入音频文本

# Run the base speaker tts
text = """今天天气很好！"""

总结

初次体验：用的是默认demo_part1.ipynb的配置，配出来的人声确实一股外国腔，部分语句还有点模糊。不知道是有什么还没有配置好。

ffmpeg-6.1.1-full_build、OpenVoice-main、snakers4-silero-vad-v5.1.2-5-ge531cd3.zip、step59000_snr39.99_pesq4.35_BERP_none0.30_mean1.81_std1.81.model

文中所用到的资源链接：https://pan.baidu.com/s/1EO53Gnb1pJOp22CcJT7-2g  提取码：6p5t