successage/bark-voice-cloning

SambertHifigan中文声音克隆镜像

镜像概述

本镜像基于SambertHifigan技术解决Bark中文语音合成效果不佳的问题，已包含预训练模型，支持GPU/CPU运行，提供GUI可视化操作、命令行训练和语音生成三种使用模式，适用于科研学习、个人娱乐等合规场景。

核心功能

1. 中文声音克隆：通过5分钟目标音频训练，生成与原声音一致的自然中文语音；
2. 多模式运行：支持GUI交互、命令行训练和语音生成；
3. 硬件适配：兼容GPU加速（推荐）和CPU运行；
4. 快速部署：内置完整依赖与预训练模型，无需额外下载。

使用场景

• 科研人员开展语音合成技术研究；
• 个人用户生成个性化语音内容；
• 学习声音克隆技术的实践操作。

配置说明

1. 目录映射：本地工作目录需映射到容器/root/data（存储训练数据、模型及结果）；
2. 文件映射：本地app.py需映射到容器/root/app.py；
3. CPU模式：需设置环境变量CUDA_VISIBLE_DEVICES=-1。

Docker部署示例

1. GUI运行

GPU方式

bash
docker run --rm -it --runtime=nvidia \
-v $PWD/workdir:/root/data \
-v $PWD/app.py:/root/app.py \
-p 6666:6006 \
--workdir /root \
docker.xuanyuan.run/successage/bark-voice-cloning:latest \
/root/miniconda3/bin/python app.py gui

访问http://localhost:6666使用GUI界面。

CPU方式

bash
docker run --rm -it \
-v $PWD/workdir:/root/data \
-v $PWD/app.py:/root/app.py \
-e CUDA_VISIBLE_DEVICES=-1 \
-p 6007:6006 \
--workdir /root \
docker.xuanyuan.run/successage/bark-voice-cloning:latest \
/root/miniconda3/bin/python app.py gui

访问http://localhost:6007使用GUI界面。

2. 模型训练

准备工作：本地workdir放置训练音频aud.wav

GPU训练

bash
docker run --rm -it --runtime=nvidia \
-v $PWD/workdir:/root/data \
-v $PWD/app.py:/root/app.py \
--workdir /root \
docker.xuanyuan.run/successage/bark-voice-cloning:latest \
/root/miniconda3/bin/python app.py train

CPU训练（不推荐）

bash
docker run --rm -it \
-v $PWD/workdir:/root/data \
-v $PWD/app.py:/root/app.py \
-e CUDA_VISIBLE_DEVICES=-1 \
--workdir /root \
docker.xuanyuan.run/successage/bark-voice-cloning:latest \
/root/miniconda3/bin/python app.py train

训练结果保存在workdir的output_training_data（训练数据）和pretrain_work_dir（模型文件）。

3. 语音生成

GPU生成

bash
docker run --rm -it --runtime=nvidia \
-v $PWD/workdir:/root/data \
-v $PWD/app.py:/root/app.py \
--workdir /root \
docker.xuanyuan.run/successage/bark-voice-cloning:latest \
/root/miniconda3/bin/python app.py gen "你吃饭了吗？"

CPU生成

bash
docker run --rm -it \
-v $PWD/workdir:/root/data \
-v $PWD/app.py:/root/app.py \
-e CUDA_VISIBLE_DEVICES=-1 \
--workdir /root \
docker.xuanyuan.run/successage/bark-voice-cloning:latest \
/root/miniconda3/bin/python app.py gen "你吃饭了吗？"

生成的语音文件保存在workdir，命名格式为result-YYYY-MM-DD-HH-MM-SS.wav。