Chuyển đến nội dung
AI Tutorials
Chuyển Văn bản thành Giọng nói
ICE-012

Cài đặt ICE-012 TTS trên Windows bằng Conda

Giới thiệu

ICE-012 Audio là một mô hình TTS đa ngôn ngữ với đầu ra truyền phát và sao chép giọng nói dựa trên tham chiếu. Nó giới thiệu một bộ điều hợp âm thanh chủ động — xử lý các mã nhúng codec trước khi truyền tải dữ liệu chính và tinh chỉnh các trạng thái ẩn sau đó.

Hugging Face: https://hf.co/darkps/ice-012-audio
Demo: https://hf.co/spaces/hugging-apps/ice-012-audio-tts
Website: https://dark.ps

ICE-012

Yêu cầu hệ thống

  • Hệ điều hành: Windows 10/11 (64-bit), macOS hoặc Linux (Debian/Ubuntu).
  • Python: Yêu cầu phiên bản >= 3.10
  • Dung lượng ổ cứng: Khuyến nghị 10GB trở lên (cho các thư viện phụ thuộc và bộ nhớ cache mô hình). Ít nhất 400 MB cho Miniconda; 3 GB trở lên cho Anaconda đầy đủ.
  • GPU: là tùy chọn nhưng RẤT KHUYÊN DÙNG để tăng hiệu suất.
  • Internet: Để tải xuống các thư viện phụ thuộc và mô hình từ Hugging Face Hub.

Yêu cầu tối thiểu:

  • CPU: Intel Core i3 hoặc AMD Ryzen 3
  • RAM: 8 GB

Yêu cầu khuyến nghị:

  • CPU: Intel Core i5 hoặc AMD Ryzen 5
  • RAM: 16 GB

Yêu cầu cho hiệu năng cao:

  • CPU: Intel Core i7/i9 hoặc AMD Ryzen 7/9
  • RAM: 32 GB
Environment Run this Command
CPU only pip3 install torch torchvision
Apple Silicon pip3 install torch torchvision
AMD ROCm Install PyTorch for ROCm
CUDA 11.8 pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu118
CUDA 12.1 pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu121
CUDA 12.6 pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu126
CUDA 12.8 pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu128
CUDA 13.0 pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu130

Video hướng dẫn

Sắp ra mắt!

Bước 1. Cài đặt Miniconda

Bước 2. Tạo môi trường Conda

Tạo tệp environment.yml:

name: ice-tts
channels:
- conda-forge
- defaults

dependencies:
# Python version (requires >= 3.10)
- python=3.10

- pip
- pip:
    # PyTorch CPU only
    - torch
    - torchaudio

    # Install the dependencies
    - transformers
    - accelerate
    - soundfile
    - pydub

    # Download the model from Hugging Face / ModelScope
    - huggingface_hub

Kích hoạt môi trường conda:

conda env create -f environment.yml
conda activate ice-tts

Bước 3. Chạy suy luận

Tạo một tệp có tên 02.py:

import argparse
import soundfile as sf
from transformers import AutoModelForCausalLM

p = argparse.ArgumentParser()
p.add_argument("--text")
p.add_argument("--text-file")
p.add_argument("--language", default="en")
p.add_argument("--instruct", default=None, help='e.g. "female, young adult, high pitch"')
p.add_argument("--speed", type=float, default=1.0)
p.add_argument("--reference", help="reference wav for voice cloning")
p.add_argument("--reference-text", help="transcript of reference (skips Whisper ASR)")
p.add_argument("--output", default="out.wav")
a = p.parse_args()

text = open(a.text_file, encoding="utf-8").read() if a.text_file else a.text
assert text, "provide --text or --text-file"

model = AutoModelForCausalLM.from_pretrained(
    "darkps/ice-012-audio", trust_remote_code=True, device_map="auto"
)
audio = model.generate(
    text=text,
    language=a.language,
    instruct=a.instruct,
    ref_audio=a.reference,
    ref_text=a.reference_text,
    speed=a.speed,
)
sf.write(a.output, audio[0], model.sampling_rate)
print("saved", a.output)

Bây giờ, hãy chạy tập lệnh ví dụ cơ bản để tổng hợp giọng nói:

python 02.py --text "Hello world" --language en --instruct "female, young adult" --output out.wav

Kết quả sẽ là tệp âm thanh out.wav

Nhân bản giọng nói

Tải xuống bản ghi âm tham khảo

curl -L -O "https://github.com/thewh1teagle/zipvoice-onnx/releases/download/model-files-v1.0/prompt_english_female1.wav"

Mẫu âm thanh tham khảo: prompt_english_female1.wav

Bây giờ, hãy chạy tập lệnh để tạo bản sao âm thanh dựa trên tệp âm thanh tham chiếu:

python 02.py --text "Hello world" --reference prompt_english_female1.wav --reference-text "In order to win, you must expect to win." --output clone.wav

Kết quả sẽ là tệp âm thanh clone.wav

F5-TTSKokoro 82M