😱 КЛОНИРОВАТЬ ГОЛОС ЗА 3 СЕКУНДЫ?! Это уже реально

Нейросеть LuxTTS делает то, от чего немного не по себе…

🎙 Достаточно пары секунд записи.
⚡️ Генерация в 150 раз быстрее реального времени
(минуту речи делает за доли секунды).

И да, это не какая-то серверная магия:
➡️ работает даже на обычном ПК — нужно меньше 1 ГБ видеопамяти

Установка:

git clone https://github.com/ysharma3501/LuxTTS.git
cd LuxTTS
pip install -r requirements.txt

Загрузка модели:

from zipvoice.luxvoice import LuxTTS

# load model on GPU
lux_tts = LuxTTS('YatharthS/LuxTTS', device='cuda')

# load model on CPU
# lux_tts = LuxTTS('YatharthS/LuxTTS', device='cpu', threads=2)

# load model on MPS for macs
# lux_tts = LuxTTS('YatharthS/LuxTTS', device='mps')

▶️ Простой пример:

import soundfile as sf
from IPython.display import Audio

text = "Hey, what's up? I'm feeling really great if you ask me honestly!"

## change this to your reference file path, can be wav/mp3
prompt_audio = 'audio_file.wav'

## encode audio(takes 10s to init because of librosa first time)
encoded_prompt = lux_tts.encode_prompt(prompt_audio, rms=0.01)

## generate speech
final_wav = lux_tts.generate_speech(text, encoded_prompt, num_steps=4)

## save audio
final_wav = final_wav.numpy().squeeze()
sf.write('output.wav', final_wav, 48000)

## display speech
if display is not None:
  display(Audio(final_wav, rate=48000))

😨 Дипфейки голоса может создать каждый.

♎️ GitHub/Инструкция

😁 Админ | 📲 Зеркало Max

#python #soft #github