MockingBird
Клонируйте голос за 5 секунд для генерации произвольной речи в реальном времени.
Клонируйте голоса за 5 секунд и генерируйте пользовательскую речь в реальном времени с помощью PyTorch.
MockingBird — это набор инструментов для клонирования голоса в реальном времени и преобразования текста в речь на базе PyTorch. Он подходит командам гражданского строительства и техническим специалистам, которым требуется быстрая локализованная генерация аудио для презентаций проектов или предупреждений на объекте.
Что это
Он обрабатывает аудиодатасеты и мел-спектрограммы для обучения пользовательских энкодеров, синтезаторов и вокодеров. Вы можете повторно использовать предобученные энкодеры, адаптируя синтезатор под конкретные китайские диалекты или входы из нескольких датасетов.
Для кого
Он подходит для Python-разработчиков и технических специалистов с опытом глубокого обучения. Он не подходит для нетехнических пользователей, ищущих простое готовое мобильное приложение для синтеза речи.
Ключевые возможности
Клонирование голоса за 5 секунд
Клонируйте целевой голос, используя всего 5-секундный аудиофрагмент.
Поддержка PyTorch 1.9.0
Создано и протестировано с использованием PyTorch с поддержкой GPU, таких как Tesla T4 и GTX 2060.
Готовность к веб-серверу
С легкостью обслуживайте результаты генерации речи с помощью удаленных конечных точек вызова.
Обучение на нескольких датасетах
Выполняйте предобработку и обучение на китайских датасетах, таких как aidatatang_200zh, magicdata и aishell3.
Готово за 3 шага
Наш честный вердикт
Плюсы
- Клонирует произвольные голоса из очень коротких 5-секундных аудиофрагментов
- Поддерживает развертывание веб-сервера для удаленного вызова API
- Включает специальную документацию по установке для M1 Mac с использованием Rosetta
- Повторно использует предобученные энкодеры и вокодеры для упрощения обучения
Минусы
- Требуется ручная компиляция зависимостей, таких как pyworld и ctc-segmentation на M1 Mac
- Обучение пользовательских синтезаторов требует загрузки внешних датасетов и управления контрольными точками
- Оригинальный CLI-инструмент несовместим с китайскими символами, что требует использования пользовательских путей к моделям
Цены и лицензия
Бесплатно по лицензии MIT. Кроме того, первоначальный автор предлагает хостинговую оптимизированную версию в облаке под названием noiz.ai.
Вакансии для носителей русского языка
870 открытых удалённых вакансий по обучению ИИ, обновлено 14 ноября 2026 г.; в большинстве оплата $20–$170 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Альтернативы
Используйте сами или мы всё настроим
Вопросы
Поддерживает ли этот инструмент английский язык?
В репозитории упоминается поддержка английского языка наряду с мандаринским, хотя тестирование в основном сосредоточено на китайских датасетах и моделях.
Могу ли я запустить это на Mac с Apple Silicon?
Да, но вы должны следовать определенным обходным путям, связанным с настройкой терминала Rosetta 2 и ручной компиляцией исходного кода для определенных пакетов.
