Applio

ИИ и аудио

Обучи собствен гласов модел и конвертирай аудио на своя видеокарта.

Applio е инструмент за преобразуване на глас, базиран на RVC (Retrieval-based Voice Conversion). Можеш да обучиш гласов модел от няколко минути чиста реч и после да преозвучиш всеки запис така, че да звучи като този модел, изцяло на твоя видеокарта и без да пращаш аудио в облака. Уеб интерфейсът включва обучение, конвертиране на единичен и пакетен запис, синтез на реч с конверсия на гласа, смесване на модели и конвертиране в реално време. Ползвай го със собствения си глас или с изричното съгласие на човека, чийто глас моделираш. Това е самостоятелно хоствана алтернатива на платените услуги за промяна и клониране на глас.

Лиценз

MIT

GitHub звезди

3814

Официален сайт

https://applio.org

Изходен код

https://github.com/IAHispano/Applio

Съвместимост

Архитектури

amd64

База данни

Stateless

Ресурси

6144 MB RAM · 4 CPU

Needs an NVIDIA GPU for practical training. In our test LXC it idled at about 0.7 GB of RAM, and training a voice model on 7 minutes of audio (200 epochs, 40 kHz) finished in roughly 25 minutes on an RTX 3090 inside a 6 GB memory limit. Converting a 15-second clip takes a few seconds. The Docker image is about 17 GB, so plan for 40 GB or more of disk.

Галерия със снимки

Inference
Conversion
Training

Деплойване

# Needs an NVIDIA GPU, the NVIDIA driver and nvidia-container-toolkit on the host.
# The first build downloads PyTorch with CUDA and takes several minutes (image is ~17 GB).
services:
  applio:
    build:
      context: .
      dockerfile_inline: |
        FROM python:3.12-trixie
        RUN apt-get update \
         && apt-get install -y --no-install-recommends git ffmpeg libportaudio2 \
         && rm -rf /var/lib/apt/lists/*
        RUN git clone --depth 1 https://github.com/IAHispano/Applio.git /app
        WORKDIR /app
        RUN python -m venv .venv \
         && .venv/bin/pip install --no-cache-dir --upgrade pip python-ffmpeg \
         && .venv/bin/pip install --no-cache-dir -r requirements.txt \
         && .venv/bin/pip install --no-cache-dir --no-deps torchvision==0.26.0 pedalboard==0.9.16
        ENV PATH="/app/.venv/bin:$PATH" \
            LD_LIBRARY_PATH="/app/.venv/lib/python3.12/site-packages/nvidia/cu13/lib"
        EXPOSE 6969
        ENTRYPOINT ["python3"]
        CMD ["app.py", "--server-name", "0.0.0.0", "--port", "6969"]
    container_name: applio
    restart: unless-stopped
    runtime: nvidia
    environment:
      - NVIDIA_VISIBLE_DEVICES=all
      - NVIDIA_DRIVER_CAPABILITIES=compute,utility
    shm_size: 2gb
    ports:
      - "6969:6969"
    volumes:
      - ./applio-logs:/app/logs
      - ./applio-models:/app/rvc/models

Алтернатива на

ElevenLabs, Respeecher, Voicemod