[10.5]VR视频工具箱CUDA专版2.0.3版，逐句情感语音克隆补丁3

tz852182828

不知道多个女的能否区分出来

zelefans

tz852182828 发表于 2026-6-15 21:50
不知道多个女的能否区分出来

当前版本可以，升级分离模型后解决了。但测试效果总觉得和原声有区别，难点首先是跨语言复制本来就有变化，其次是日常不同情绪说的话有可能就被分类成不同人，再次是当前主流3到10秒的复制总觉得语料太少。 下一个版本我会先加上单人允许选择特定语句克隆音色，尽量贴近

docp

支持大佬

haoren918

牛逼，用你这个已经把我收藏的上千部vr都给转字幕了。不过我用的是上一个版本的。现在几个问题我反馈一下。

haoren918

问题反馈1、写真类的vr，只有音乐，也会翻译成日语。2.希望能自动识别语言就更好咯。3、英文vr，能否也能翻译？开发一个自动识别语言的功能？都翻译成中文。4、能否出一个翻译成中文后，自动删除.jp的文件的选项，不然每次还得自己批量删除。

haoren918

另外语音的模型如果可以选择自己加载就好了，设定一个选项，比如可以学习任意人的语音，去克隆任何人的语音，而不是只有一个语言。哈哈哈。

zelefans

haoren918 发表于 2026-6-15 23:18
问题反馈1、写真类的vr，只有音乐，也会翻译成日语。2.希望能自动识别语言就更好咯。3、英文vr，能否也能翻 ...

当时设计字幕生成和翻译只是觉得很多字幕工具要么很慢要么离线翻译不准确，所以把自己以前写的批量代码整合进去，就是图个方便，并没有往复杂了做的想法。

1、写真类的vr，只有音乐，也会翻译成日语。
    模型本身就存在大量幻听，这个蛮难解的，回头专门研究下
2.希望能自动识别语言就更好咯。
    软件初期就是针对小日子VR解马赛克的，所以以日文为主，接下去的确考虑多语种
3、英文vr，能否也能翻译？开发一个自动识别语言的功能？都翻译成中文。
    可以。不过英文对话的片子极少
4、能否出一个翻译成中文后，自动删除.jp的文件的选项，不然每次还得自己批量删除。
    可以。保留这些文件主要还是人工审视用。这个功能首先就是实现上面说的多语种互译。

tz852182828

zelefans 发表于 2026-6-15 23:13
当前版本可以，升级分离模型后解决了。但测试效果总觉得和原声有区别，难点首先是跨语言复制本来就有变化 ...

感谢大佬的回复，月底回家了用家里的5090试下，在外面笔记本的3060总感觉跑得太吃力

lllxxxyyyzzz

我的老爺機帶不動，啥時候能等到GPU降價啊

OTZ

厉害，这都可以，话说我是AMD的是不是用不了