higgs-audio是本月刚发布的一款非常强大的文字转语音工具,上线不到一个月就获得了5.9K个星,可以说是非常热门的项目了。这个软件可以实现文字转语音及声音克隆功能,不过可以实现这个功能的这类软件很多,higgs-audio只是说好一点而已,我感觉它更厉害的地方是可以实现声音克隆的同时用指定音色合成对话语音,包括支持中文对话,这点是我更喜欢的。之前测试过类似软件如Dia等,支持语言有限,不支持中文。higgs-audio还是更强大一些。

higgs-audio官方介绍
我们开源了 Higgs Audio v2,这是一个强大的音频基础模型,已基于超过 1000 万小时的音频数据和丰富的文本数据进行预训练。尽管无需后期训练或微调,Higgs Audio v2 凭借其对语言和声学的深度理解,在富有表现力的音频生成方面表现出色。
在EmergentTTS-Eval 测试中,它在“情绪”和“问题”类别上分别比“gpt-4o-mini-tts”取得了75.7%和55.7%的胜率。此外,它在 Seed-TTS Eval 和情感语音数据集 (ESD) 等传统 TTS 基准测试中也取得了最佳性能。此外,该模型还展示了以往系统罕见的功能,包括生成多种语言的自然多说话人对话、旁白过程中的自动韵律调整、使用克隆声音进行旋律哼唱以及同时生成语音和背景音乐。
higgs-audio整合包使用说明
首先将网盘内的软件压缩包下载到本地电脑上并解压,然后双击启动软件.exe启动。第一次使用的时候软件会自动下载模型文件。如果网络异常无法自动下载模型的话,可以将网盘内的hf.zip压缩包下载到项目文件夹higgs-audio内解压,注意不要有文件夹嵌套情况,文件夹层级结构如:higgs-audio–>hf–>models–bosonai–higgs-audio-v2-generation-3B-base
待合成文本:就是你想要生成语音的文本内容。如果要生成对话语音的话,请把文本内容保存到txt文档中,然后将txt文档导入到软件中即可。
输入框中直接输入txt文档路径地址,或是鼠标左键按住txt文档拖到软件窗口里就可以把txt文档路径导入到软件。多人对话文本格式如下:
[SPEAKER0] I can't believe you did that without even asking me first!
[SPEAKER1] Oh, come on! It wasn't a big deal, and I knew you would overreact like this.
[SPEAKER0] Overreact? You made a decision that affects both of us without even considering my opinion!
[SPEAKER1] Because I didn't have time to sit around waiting for you to make up your mind! Someone had to act.
参考音频:合成语音想要使用的声音音色,留空的话随机使用已有音色。添加新音色方法:准备一段3-10的wav格式的音频文件,和同文件名的txt文档,txt文档内容为wav音频文本内容。将wav音频和txt文档复制到voice_prompts文件夹内。重启软件就可以在参考音频后面下拉列表中看到添加的声音。鼠标点击列表名字可直接添加到前面的文本框内,单一说话人就选一个发音人,多人对话的话就选多个发音人,多个发音人之间用英文逗号”,”隔开。
最大tokens:要生成的新令牌的最大数量,整数类型,如2048,
temperature:用于对下一个词元概率进行取模运算的值,小数类型,如1.0,0.3
AISM:是否在系统消息中包含语音提示描述。
块方法:用于对提示文本进行分块的方法。选项有“speaker”(按说话者)、“word”(按单词)。默认情况下,默认为空,如果生成多人对话,请选择speaker。
seed:随机种子,整数类型,如123 , 56987 等,用于重现相同声音。如果语音合成声音异常的话,可尝试修改seed值,或是将值设置为-1
场景描述:用于生成的场景描述提示。
具体参数效果可以自己生成音频体验。
视频教程及效果演示:https://www.bilibili.com/video/BV1T98CzcEbt/
注意事项
使用前先将英伟达显卡驱动更新到最新版本
英伟达显卡显存不低于6G
软件程序运行路径中请不要有非英文字符及空格
软件只支持Windows 10或11,不支持手机和MAC系统
声音克隆及多人对话语音合成软件higgs-audio整合包下载
https://pan.quark.cn/s/98c9872273c3
higgs-audio本地电脑安装部署教程
相关推荐
最近更新

带声音克隆功能的对话型文字转语音软件higgs-audio免安装一键启动整合包下载
higgs-audio是本月刚发布的一款非常强大的文字转语音工具,上线不到一个月就获得了5.9K个星,可以说是非常热门的项目了。这个软件可以实现文字转语音及声音克隆功能,不过可以实现这个功能的这类软件很多,higgs-audio只是说好一点...

本地离线翻译软件LibreTranslate免安装一键启动包下载
LibreTranslate是一款热门的免费本地离线翻译软件,无需联网,方便某些电脑无法联网但需要进行翻译的场景使用。我制作了最新版免安装一键启动整合包,下载解压即用。 LibreTranslate介绍 免费开源机器翻译 API,完全自托管...

抖音出品高质量声音克隆文字转语音合成软件MegaTTS3整合包下载
MegaTTS3是抖音团队联合国内其他大学研发的一款语音合成及声音克隆应用,可实现零样本语音克隆及富有情感的自然语音合成。我基于当前最新版制作了免安装一键启动整合包。 MegaTTS3介绍 MegaTTS 3 是字节跳动(ByteDance...

副业变现项目分享20250709期

有声读物制作软件audiblez整合包下载,将epub电子书转为m4b有声书
和大家分享一个方便快捷的有声书制作软件audiblez,audiblez可以将epub格式电子书快速转为m4b有声书,支持合成中文,英语,日语等八国语言语音,本地离线操作,不依赖云端服务。我基于最新版制作了免安装一键启动整合包。 audib...

百度夸克webdav服务+alist+RaiDrive,将网盘挂载为本地电脑硬盘方法教程
由于每天都要操作网盘不下十几次,频繁启动网盘比较麻烦。 使用百度夸克网盘的webdav服务可以将百度夸克网盘挂载到本地电脑上,就像操作本地电脑硬盘一样操作网盘,非常方便。我们以alist+raidrive为例演示。 首先打开百度网盘pan....

Unreal Engine 5恐怖游戏设计制作教程,从入门到精通从零开始完整项目开发详细讲解,中英文字幕
和大家分享一个以前收集的UE5虚幻引擎恐怖游戏开发教程,这是国外一个大神制作的视频教程,教程从零开始到制作出一款完整的游戏。内容讲解全面,如蓝图基础知识讲解、角色控制、高级交互系统、高级库存系统、物品检查、恐怖环境氛围设计、过场动画、AI系...

PDF/图片转markdown软件MonkeyOCR整合包,文档图片解析工具下载
MonkeyOCR是上个月刚发布的一款文档解析工具,可以将PDF文档或图片识别转换为markdown格式文件。官方测试显示性能极佳。我基于当前最新版制作了免安装一键启动整合包,支持批量操作,并降低了显卡要求。 MonkeyOCR官方介绍 M...

AI视频变现项目,完整详细教程20250628期

即梦AI:创作者的强力“外挂”!免费积分等你领取
还在为创作图片、故事及视频内容而烦恼吗?朋友,你需要一个靠谱的“智能搭子”了!那就是即梦AI,就是那个能让你事半功倍、脑洞大开的神奇伙伴! 即梦AI,到底是什么? 简单说,即梦AI是字节跳动旗下一个强大、易用且懂你的一站式AI创作平台。&n...