Update vits_inference.py
Browse files- vits_inference.py +16 -29
vits_inference.py
CHANGED
|
@@ -1,35 +1,22 @@
|
|
| 1 |
-
import torch
|
| 2 |
-
import torchaudio
|
| 3 |
-
from vits import SynthesizerTrn
|
| 4 |
-
from mel_processing import spectrogram_torch
|
| 5 |
import argparse
|
|
|
|
|
|
|
|
|
|
| 6 |
|
| 7 |
-
|
| 8 |
-
|
| 9 |
-
|
| 10 |
-
|
| 11 |
-
|
| 12 |
-
|
| 13 |
-
|
| 14 |
-
model.load_state_dict(torch.load(model_path, map_location="cuda"))
|
| 15 |
-
model.eval()
|
| 16 |
-
return model, hps
|
| 17 |
|
| 18 |
-
|
| 19 |
-
text = torch.LongTensor([ord(c) for c in text]).unsqueeze(0).cuda()
|
| 20 |
-
with torch.no_grad():
|
| 21 |
-
audio = model.infer(text, noise_scale=0.667, length_scale=1.0)[0]
|
| 22 |
-
return audio.cpu().numpy()
|
| 23 |
|
| 24 |
-
|
| 25 |
-
|
| 26 |
-
parser.add_argument("--text", type=str, required=True, help="Texto a ser dublado")
|
| 27 |
-
parser.add_argument("--output_audio", type=str, required=True, help="Arquivo de saída")
|
| 28 |
-
args = parser.parse_args()
|
| 29 |
|
| 30 |
-
|
| 31 |
-
|
| 32 |
-
|
| 33 |
|
| 34 |
-
|
| 35 |
-
main()
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
import argparse
|
| 2 |
+
from vits import SynthesizerTrn
|
| 3 |
+
import torchaudio
|
| 4 |
+
import os
|
| 5 |
|
| 6 |
+
# Argumentos
|
| 7 |
+
parser = argparse.ArgumentParser(description="Dublagem com VITS")
|
| 8 |
+
parser.add_argument("--text", type=str, required=True, help="Texto para dublagem")
|
| 9 |
+
parser.add_argument("--input_audio", type=str, required=True, help="Áudio original para clonagem de voz")
|
| 10 |
+
parser.add_argument("--output_audio", type=str, required=True, help="Áudio de saída dublado")
|
| 11 |
+
parser.add_argument("--language", type=str, required=True, help="Idioma da dublagem")
|
|
|
|
|
|
|
|
|
|
|
|
|
| 12 |
|
| 13 |
+
args = parser.parse_args()
|
|
|
|
|
|
|
|
|
|
|
|
|
| 14 |
|
| 15 |
+
# Carregar modelo VITS
|
| 16 |
+
model = SynthesizerTrn(args.language)
|
|
|
|
|
|
|
|
|
|
| 17 |
|
| 18 |
+
# Processar dublagem
|
| 19 |
+
waveform, sample_rate = model.synthesize(args.text, args.input_audio)
|
| 20 |
+
torchaudio.save(args.output_audio, waveform, sample_rate)
|
| 21 |
|
| 22 |
+
print(f"✅ Dublagem concluída: {args.output_audio}")
|
|
|