无人直播场景中的语音技术：真实拟声的文本转语音技术实现

AI（人工智能）的进步和直播带货的兴起，语音技术在这个场景中的应用也日益需求增多。尤其是在无人直播带货中，语音技术的重要性更是突出。其中，音色替换和可预测感情文本转语音（TTS）是两种关键的语音技术，对于提升无人直播带货的体验和购买欲望具有重要作用。

流程包括文本预处理、声学模型处理训练和后处理三个步骤。首先，文本预处理会对标注的文本分析和处理，例如分词、词性标注和语法分析等。然后，声学模型训练会将文本转化为声学特征，这个过程通常需要大量的语音数据来训练。最后，后处理会对生成的语音波形进行优化和调整，以使其更符合直播带货的需求。

首先，我们需要准备所需的工具和整合包，包括各种软件和工具库。这些工具 我会在网盘分享出来

音频切片+音频标注+模型训练首先，我们需要对训练声音素材进行提纯处理，去除掉背景音和杂音。这里推荐使用UVR工具进行声音提纯。

三、对分段音频 进行 文本标注切片好的音频经过手动筛选过短的音频 放入 raw_audio

点击 0.带标点符号的标注

标注完成

打开 bert vist2 整合包  启动 webui

创建 文件夹

启动 webui  创建训练的模型  自己创建目录  将切好片的声音文件 放入 custom_character_voice   将标注好的文本放入 filelists

文本预处理

生成bert 文件

生成 emo文件

写入 训练参数 批大小 根据显卡设置 我这里设置16

训练中