M4芯片的MacMini部署VoxCPM2语音克隆

1、翻墙并设置命令行代理

export https_proxy=http://127.0.0.1:7890

export http_proxy=http://127.0.0.1:7890

2、从github上拉取项目文件并进入

git clone https://github.com/OpenBMB/VoxCPM.git

cd VoxCPM

3、创建uv虚拟环境并激活

uv venv && source .venv/bin/activate 

4、安装项目

uv pip install voxcpm

5、安装魔搭下载模型

 uv pip install modelscope

6、创建模型下载和测试文件test.py

from modelscope import snapshot_download

snapshot_download("OpenBMB/VoxCPM2", local_dir='./pretrained_models/VoxCPM2') # 指定模型保存的本地路径

from voxcpm import VoxCPM

import soundfile as sf

model = VoxCPM.from_pretrained('./pretrained_models/VoxCPM2', load_denoiser=False)

wav = model.generate(

    text="VoxCPM2 是目前推荐使用的多语言语音合成版本。",

    cfg_value=2.0,

    inference_timesteps=10,

)

sf.write("demo.wav", wav, model.tts_model.sample_rate)

7、模型下载并测试

python test.py

在项目路径下如何可以正常生成demo.wav，并且可以播放，则表示模型已下载成功，并且voxcpm也部署成功！

8、运行webui程序

修改app.py文件

generate_kwargs = dict(

    text=final_text,

    reference_wav_path=audio_path,

    cfg_value=float(cfg_value_input),

    inference_timesteps=inference_timesteps,

    normalize=do_normalize,

    denoise=denoise,

    seed=seed,

)

改为：

generate_kwargs = dict(

    text=final_text,

    reference_wav_path=audio_path,

    cfg_value=float(cfg_value_input),

    inference_timesteps=inference_timesteps,

    normalize=do_normalize,

    denoise=denoise

)

再运行启动命令：

python app.py --model-id ./pretrained_models/VoxCPM2