Hazır modelleri kullanmanın karmaşıklığını birçok kişi gösterdi; bu yüzden zor olan kısmı açıklayan bir kılavuz hazırladım.
Bu rehber, FakeYou veya AI Cover gibi araçlardan elde ettiğiniz ses kayıtlarından bir ses klonlama modeli oluşturmayı ele alacak.
Ses kayıtlarını metne dönüştüren modeller oluşturmak, ses klonlama modellerine kıyasla daha zahmetlidir; talep olursa bu konuya da değinebilirim.
Öncelikle, en az 5-6 dakika süren, net ve sadece hedef kişinin sesini içeren bir ses dosyasına ihtiyaç duyacaksınız; daha uzun kayıtlar daha iyi sonuçlar verir.
Ses dosyası, yalnızca kişinin sesini barındırmalıdır. Şarkı veya röportaj gibi kaynaklardan ses kullanıyorsanız, vocalremover.org gibi bir arka plan gürültü giderme sitesi kullanarak veya CapCut gibi bir video düzenleyici ile temizleme işlemini manuel olarak yapabilirsiniz.
Vocalremover.org güvenilir bir araçtır ve arka plan müziği ve gürültülerini etkili bir şekilde ortadan kaldırır. Dosya 12 dakikadan uzunsa, 12 dakikayı geçmeyecek şekilde parçalara ayırmanız önerilir. Her parçayı yüklemeden önce VPN kullanarak IP adresinizi değiştirmeniz site sınırlamalarını aşmanıza yardımcı olur.
Temizlenmiş ses dosyanızın elinizde olduğunu varsayalım; en az 18 dakika uzunluğunda olmasına dikkat edin.
Sonraki adım, ses dosyasını 7 saniyelik parçalara bölmek. Bu işlemi manuel olarak yapmak çok uzun sürer; bu nedenle ffmpeg kullanmanızı öneririm.
(ffmpeg kurulumu için ilgili video linki burada olmalıydı)
Ffmpeg kurulumunu tamamladığınızı varsayarak, aşağıdaki komutu komut satırına yapıştırın:
ffmpeg -i "ses dosyanızın yolu" -f segment -segment_time 7 -c copy "parçalar/ses_parca_%03d.wav"
"ses dosyanızın yolu" kısmına, ses dosyanızın tam yolunu girin. "parçalar" klasörünü ses dosyanızın bulunduğu dizine oluşturun.
Komutu çalıştırdıktan sonra, "parçalar" klasöründe 7 saniyelik ses parçaları oluşacaktır.
Şimdi colab.research.google.com adresine gidin; burada ses modelinizi eğiteceğiz.
Gerekli izinleri verdikten sonra, "Open the public URL that will appear below" bölümündeki "gdrive" ve "tensorboard" seçeneklerini işaretleyin ve kodu çalıştırın.
"Success" mesajını gördükten sonra, oluşturulan bağlantıya tıklayın. "Train" sekmesine geçin ve 7 saniyelik ses dosyalarını buraya sürükleyin. "path to your dataset" kısmına "/content/-EVC-" yazın.
Tüm dosyalar yüklendikten sonra "process the dataset" butonuna tıklayın.
"End preprocess" çıktısını gördükten sonra, "pitch extraction" bölümünde Crepe seçeneğini belirleyin ve butona tıklayın.
"All-feature-done" yazısını gördükten sonra, "train model" butonuna tıklayın. Eğitim sayısını (epoch) 280 olarak ayarlayın.
Eğitim tamamlandıktan sonra, "train index" butonuna tıklayın ve model ile index dosyalarını indirin.
Tebrikler, bir ses modeli oluşturdunuz!
Bu rehber, FakeYou veya AI Cover gibi araçlardan elde ettiğiniz ses kayıtlarından bir ses klonlama modeli oluşturmayı ele alacak.
Ses kayıtlarını metne dönüştüren modeller oluşturmak, ses klonlama modellerine kıyasla daha zahmetlidir; talep olursa bu konuya da değinebilirim.
Öncelikle, en az 5-6 dakika süren, net ve sadece hedef kişinin sesini içeren bir ses dosyasına ihtiyaç duyacaksınız; daha uzun kayıtlar daha iyi sonuçlar verir.
Ses dosyası, yalnızca kişinin sesini barındırmalıdır. Şarkı veya röportaj gibi kaynaklardan ses kullanıyorsanız, vocalremover.org gibi bir arka plan gürültü giderme sitesi kullanarak veya CapCut gibi bir video düzenleyici ile temizleme işlemini manuel olarak yapabilirsiniz.
Vocalremover.org güvenilir bir araçtır ve arka plan müziği ve gürültülerini etkili bir şekilde ortadan kaldırır. Dosya 12 dakikadan uzunsa, 12 dakikayı geçmeyecek şekilde parçalara ayırmanız önerilir. Her parçayı yüklemeden önce VPN kullanarak IP adresinizi değiştirmeniz site sınırlamalarını aşmanıza yardımcı olur.
Temizlenmiş ses dosyanızın elinizde olduğunu varsayalım; en az 18 dakika uzunluğunda olmasına dikkat edin.
Sonraki adım, ses dosyasını 7 saniyelik parçalara bölmek. Bu işlemi manuel olarak yapmak çok uzun sürer; bu nedenle ffmpeg kullanmanızı öneririm.
(ffmpeg kurulumu için ilgili video linki burada olmalıydı)
Ffmpeg kurulumunu tamamladığınızı varsayarak, aşağıdaki komutu komut satırına yapıştırın:
ffmpeg -i "ses dosyanızın yolu" -f segment -segment_time 7 -c copy "parçalar/ses_parca_%03d.wav"
"ses dosyanızın yolu" kısmına, ses dosyanızın tam yolunu girin. "parçalar" klasörünü ses dosyanızın bulunduğu dizine oluşturun.
Komutu çalıştırdıktan sonra, "parçalar" klasöründe 7 saniyelik ses parçaları oluşacaktır.
Şimdi colab.research.google.com adresine gidin; burada ses modelinizi eğiteceğiz.
Gerekli izinleri verdikten sonra, "Open the public URL that will appear below" bölümündeki "gdrive" ve "tensorboard" seçeneklerini işaretleyin ve kodu çalıştırın.
"Success" mesajını gördükten sonra, oluşturulan bağlantıya tıklayın. "Train" sekmesine geçin ve 7 saniyelik ses dosyalarını buraya sürükleyin. "path to your dataset" kısmına "/content/-EVC-" yazın.
Tüm dosyalar yüklendikten sonra "process the dataset" butonuna tıklayın.
"End preprocess" çıktısını gördükten sonra, "pitch extraction" bölümünde Crepe seçeneğini belirleyin ve butona tıklayın.
"All-feature-done" yazısını gördükten sonra, "train model" butonuna tıklayın. Eğitim sayısını (epoch) 280 olarak ayarlayın.
Eğitim tamamlandıktan sonra, "train index" butonuna tıklayın ve model ile index dosyalarını indirin.
Tebrikler, bir ses modeli oluşturdunuz!
