关于更换说话人声的问题
s1752729916 opened this issue · comments
您提供的预训练好的模型应该是基于zsmeif人声的，现在我们想换成思必驰上的男声，请问要如何准备训练数据呢？以我的理解avatary工具可以从真实人的video中生成数据，但是声音是从思必驰上合成的，怎么去和video里的每一帧去匹配呢？ 或者是我对整个pipeline哪里理解错了呢？ 谢谢！
同样好奇这个问题
We can use wav2vec or deepspeech to extract audio features if you have many persons' audio and bs pairs.