https://github.com/DINKIssTyle/DINKIssTyle-VoxCPM2-GUI
Alat GUI sintesis suara dan kloning suara khusus untuk model VoxCPM2 2B yang dibuat berdasarkan PyQt6. Menyediakan antarmuka intuitif agar siapa pun dapat dengan mudah menggunakan model TTS multibahasa yang kuat dengan 2 miliar parameter.
✨ Fitur Utama
Sintesis Suara (TTS): Mengubah teks yang dimasukkan menjadi suara berkualitas tinggi.
Kloning Suara (Voice Cloning): Mereplikasi suara secara presisi hanya dengan beberapa detik audio referensi (WAV, MP3, dll).
Integrasi Whisper (STT): Model openai-whisper tertanam untuk secara otomatis mengekstrak skrip dari audio referensi, memaksimalkan kualitas kloning (Ultimate Cloning).
Manajemen Model Otomatis: Secara otomatis mengunduh dan memuat model VoxCPM2 dan model Whisper ke folder model/ melalui Hugging Face Hub.
Pemutar Audio Bawaan: Mendengarkan suara yang dihasilkan dengan segera, memeriksa waktu yang diperlukan dan RTF (Real-Time Factor), serta menyimpan hasil sebagai file .wav.
VoxCPM Adalah
VoxCPM adalah model sintesis suara (Text-to-Speech, TTS) berbasis model bahasa besar (LLM). Model ini memiliki struktur multimodal yang dapat memproses teks dan audio secara bersamaan, dengan karakteristik utama mampu mengimplementasikan pengucapan dan intonasi yang alami.
🚀 Instalasi dan Memulai
Proyek ini merekomendasikan penggunaan manajer paket uv.
1. Instalasi Paket
Jika uv sudah terpasang, Anda dapat menginstal semua dependensi sekaligus dengan perintah berikut.
uv sync
2. Menjalankan Program
Setelah pengaturan lingkungan selesai, jalankan GUI.
uv run voxcpm_gui.py
🛠️ Persyaratan dan Teknologi Stack
📂 Struktur File
voxcpm_gui.py: Kode aplikasi GUI utama
pyproject.toml: Pengaturan proyek berbasis uv dan daftar dependensi
model/: Jalur tempat model VoxCPM2 dan Whisper yang diunduh disimpan (dibuat secara otomatis saat dijalankan)
temp/: Penyimpanan file perpustakaan sementara untuk pemutaran suara
⚠️ Perhatian
Saat mengaktifkan model, beberapa GB data akan diunduh, sehingga diperlukan ruang disk yang cukup dan jaringan yang stabil.
Untuk sintesis real-time yang nyaman, lingkungan GPU NVIDIA direkomendasikan.
Setelah mencobanya, hasilnya tidak buruk.
Ada juga halaman demo, jadi yang penasaran bisa mendengarkannya terlebih dahulu.
https://openbmb.github.io/voxcpm2-demopage/
