Pour utiliser la méthode de clonage rapide avec 10 secondes d'audio :

1. Allez dans le dossier xtts-webui et lancez le fichier start-xtts-webui.bat. Cela téléchargera les fichiers nécessaires et lancera l'interface web.

2. Dans l'interface web, saisissez le texte que vous voulez que votre voix lise. Il n'y a pas de limite de caractères.

3. Sélectionnez la langue de votre choix dans le menu déroulant.

4. Téléchargez un clip audio d'une durée comprise entre 5 et 10 secondes. Il sera utilisé pour cloner la voix.

5. Cliquez sur "Générer" et en quelques secondes, vous aurez le fichier audio généré prêt à être utilisé.

C'est le moyen le plus facile et le plus paresseux de créer une synthèse vocale sur votre ordinateur local. Bien que ce ne soit pas parfait, cela offre une solution rapide en utilisant seulement 10 secondes d'audio.

Maintenant, passons à la méthode de synthèse vocale de niveau intermédiaire, où nous allons entraîner notre propre modèle XTTS à partir de zéro. Cette méthode ne nécessite que 2 minutes d'audio, beaucoup moins que les 10 à 20 minutes typiquement nécessaires pour de bons résultats.

Tout d'abord, allez dans le dossier de l'interface web XTTS fine-tune et lancez le fichier start.bat. Cela vous donnera une URL locale que vous pourrez ouvrir dans votre navigateur.

Pour cette méthode, vous aurez besoin d'un fichier audio de 2 minutes. Si vous êtes aussi paresseux que moi, vous pouvez simplement prendre un clip audio de 30 secondes et le répéter plusieurs fois dans Audacity pour créer un fichier de 2 minutes.

Une fois que vous avez le fichier audio, téléchargez-le dans l'interface web. Assurez-vous de sélectionner la langue correcte (dans ce cas, l'anglais). Ensuite, cliquez sur le bouton "Étape 1 : Créer le jeu de données". Selon la durée de votre audio, le processus de formatage peut prendre une minute ou moins.

Passez ensuite à l'onglet suivant. Vous pouvez laisser les paramètres tels quels, mais vous voudrez peut-être augmenter le nombre d'époques par défaut de 6 à quelque chose comme 10 ou 12 pour de meilleurs résultats. Assurez-vous d'utiliser la version 2.0.2, car c'est la meilleure.

Cliquez sur le bouton "Lancer l'entraînement" et l'entraînement commencera. Une fois terminé, cliquez sur le bouton "Optimiser le modèle" pour rendre les fichiers finaux plus petits et plus faciles à utiliser.

Enfin, passez au troisième onglet appelé "Inférence". Cliquez sur le bouton "Charger les paramètres pour la synthèse vocale à partir du dossier de sortie", puis sur le bouton "Charger le modèle". Maintenant, vous pouvez saisir votre texte et cliquer sur "Inférence" pour générer l'audio.

L'audio résultant sera beaucoup meilleur que la méthode initiale de clonage de 10 secondes, car le modèle a été affiné sur votre voix. Vous remarquerez des choses comme des pauses, des sons "euh" et d'autres particularités présentes dans l'audio de référence.

Avec ce modèle affiné, vous pouvez maintenant l'utiliser autant que vous le voulez, sans aucune limitation. Cette méthode de synthèse vocale de niveau intermédiaire est un excellent compromis entre l'effort et la qualité.

Maintenant que nous avons installé tous les logiciels nécessaires, plongeons dans la combinaison ultime de synthèse vocale en utilisant XTTS et RVC.

Méthode A : Conversion simple

1. Dans l'interface web XTTS, saisissez votre texte et le fichier audio de référence.
2. Cliquez sur "Générer" pour obtenir l'audio de synthèse vocale initial.
3. Téléchargez le fichier généré.
4. Lancez RVC et sélectionnez le modèle vocal de référence.
5. Collez le chemin du fichier téléchargé et cliquez sur "Convertir".
6. L'audio final aura maintenant la voix du modèle de référence.

Méthode B : XTTS + RVC automatique

1. Allez dans le dossier XTTS RVC UI et saisissez le modèle vocal RVC (les fichiers .pth et index).
2. Dans le dossier "voices", saisissez l'échantillon vocal de référence (le clip audio de 10 secondes).
3. Lancez le fichier .bat et ouvrez l'URL locale dans votre navigateur.
4. Choisissez la langue, le modèle RVC et l'échantillon vocal.
5. Saisissez votre texte et cliquez sur "Soumettre".
6. L'audio final sera généré automatiquement, en combinant XTTS et RVC.

Méthode C : Synthèse vocale ultime

1. Allez dans le dossier de l'interface web XTTS fine-tune et localisez les fichiers du modèle XTTS affiné.
2. Coupez ces fichiers et collez-les dans le dossier "models" de l'interface web XTTS.
3. Lancez l'interface web XTTS et sélectionnez le modèle XTTS personnalisé.
4. Saisissez votre texte et l'audio de référence, puis cliquez sur "Générer".
5. Téléchargez le fichier généré et ouvrez-le dans RVC.
6. Sélectionnez le modèle vocal de référence et cliquez sur "Convertir".
7. L'audio final sera la combinaison ultime de synthèse vocale, en utilisant le modèle XTTS personnalisé et RVC.

N'oubliez pas que la méthode Uber offre la plus haute qualité et authenticité, mais elle nécessite plus d'efforts. Choisissez la méthode qui correspond le mieux à vos besoins et préférences.

Dans ce guide complet, nous avons exploré diverses méthodes pour créer des voix de synthèse vocale (TTS) de haute qualité et personnalisées sur votre ordinateur local. De la méthode de clonage de voix super paresseuse de 10 secondes à l'ultime TTS de niveau Uber, nous avons couvert une gamme de techniques pour répondre à vos besoins spécifiques.

En commençant par la méthode la plus simple, nous avons montré comment utiliser l'interface web XTTS pour générer de l'audio TTS à partir de seulement 10 secondes d'audio de référence. Cette approche rapide et facile vous permet de créer des voix personnalisées avec un minimum d'efforts.

Ensuite, nous nous sommes plongés dans la méthode TTS de niveau intermédiaire, où nous avons affiné un modèle XTTS en utilisant seulement 2 minutes d'audio. Ce processus nous a permis de créer une voix TTS plus authentique et expressive, adaptée aux caractéristiques uniques du locuteur.

Enfin, nous avons dévoilé la méthode TTS ultime Uber, qui combine la puissance de XTTS et de RVC (Real-Voice Cloning) pour atteindre le plus haut niveau de qualité et d'authenticité. En tirant parti de notre modèle XTTS personnalisé et des capacités avancées de conversion vocale de RVC, nous avons pu générer de l'audio TTS qui ressemble étroitement à l'orateur d'origine.

Tout au long du guide, nous avons fourni des instructions étape par étape et des conseils pratiques pour assurer un processus d'installation et de mise en œuvre sans faille. Que vous soyez débutant ou utilisateur expérimenté, vous disposez maintenant des connaissances et des outils nécessaires pour créer vos propres voix TTS de haute qualité sur votre ordinateur local, sans avoir besoin de logiciels tiers coûteux.

N'oubliez pas que les ressources et les graphiques mentionnés dans le guide sont disponibles gratuitement sur mon Patreon, alors n'hésitez pas à consulter la description pour les liens. Et si vous avez des questions ou avez besoin d'aide supplémentaire, n'hésitez pas à me contacter via la plateforme Patreon, où je fournis un support prioritaire à mes mécènes.

Bonnes aventures de synthèse vocale et profitez de la puissance des voix TTS personnalisées et locales !