今天推荐一个黑科技开源项目，只需要你 5 秒钟的声音对话，就能克隆出你的声音，而且能够实时的生成你任意语音。

是不是很顶？

我举个例子，如果我这里有 300 条你说话的语音，我把你的语音数据用这个开源项目去训练，训练完成后，我就可以使用这个训练好的模型生成任何你说的语音了。

你会听到一个声音和你一模一样的人说你没说过的话，那种感觉真的细思极恐。

这个黑科技就是：Real-Time-Voice-Cloning，现在已经开源，GitHub 24K 的 Star，最重要的是，这个项目提供了 GUI 界面，交互傻瓜式操作，语音采集、训练、生成都可以交互完成，很方便。

地址：https://github.com/CorentinJ/Real-Time-Voice-Cloning

环境配置

首先你需要 Python 3.6 的环境、安装 PyTorch（要求版本 > = 1.0.1）。Pytorch 是深度学习框架，你可以通过这个站点来安装这个库。

https://pytorch.org/get-started/locally/

紧接着需要安装 ffmpeg：

地址 https://ffmpeg.org/download.html#get-packages。除此之外，你还需要安装其他的依赖包。将项目下载下来，在包含 requirements.tx 目录下运行命令 pip install -r requirements.txt 就行了。

下载预训练的模型

把开源作者训练好的模型下载下来，我们不用自己训练，直接拿来用就行了：https://github.com/CorentinJ/Real-Time-Voice-Cloning/wiki/Pretrained-models，

下载完毕要放到如下的文件夹里面。

encoder\saved_models\pretrained.pt
synthesizer\saved_models\pretrained\pretrained.pt
vocoder\saved_models\pretrained\pretrained.pt
Details about model training and audio samples can be found here: https://blue-fish.github.io/experiments/RTVC-7.html

启动

当你配完了环境，就可以尝试使用这个黑科技了。运行命令 python demo_toolbox.py 就能启动这个黑科技啦！

下面是比较详细的使用教程，遇到问题可以查看帮助：

https://www.bilibili.com/video/av79481223?zw

https://blog.csdn.net/weixin_41010198/article/details/113186232

最后结尾说一下，我用这个模型试了一下，因为这个模型是老外开源的，所以训练的数据是英语的语音，我试了一下说中文，简直就是不会说中文的老外讲中文一个味道，现在我怀疑世界的真实性了。

开源地址：https://github.com/CorentinJ/Real-Time-Voice-Cloning

原文链接： 

这个 GitHub 项目能克隆你的声音