目录
一、前菜
开始之前，前菜是必备的，需要先设置好。
1、Python选择
本项目使用的python版本是3.9版，因此，实操之前需要安装python3.9.
这里简单说明即可。
官网Python Release Python 3.9.0 | Python.orgDownload Python | Python.org，系统为Windows版，点击如图windowsPython Release Python 3.9.0 | Python.org
这里就不纠结了，直接3.9.0版本即可。
安装时以管理员身份运行，选择自定义安装。以3.12.2为例，其实是一样的。
注意勾选将python加入环境变量，就不需要手动添加环境变量了。
另外，选择自定义安装位置。其他默认即可。
2、pip源切换
勾选显示隐藏的项目
切到路径C:\Users\whyafer\AppData\Roaming\pip，其中，whyafer为自己的电脑用户名。记事本打开pip.ini文件，删除原有的代码，覆盖如下代码即可。
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=pypi.tuna.tsinghua.edu.cn这样可以一劳永逸地解决安装插件时网络问题。
3、ffmpeg配置问题
使用的python虚拟环境会用到ffmpeg，但需要环境变量的配置。
官网Builds - CODEX FFMPEG @ gyan.dev下载6.1.1即可
选择一个位置，解压，然后打开环境变量设置。
按win键，输入环境变量
双击系统变量，path
依次选择
点击到ffmpeg解压的bin文件夹下
确定即可
按win键，cmd，输入如下代码
ffmpeg -version
说明配置完成。
若还是不行，则需要另外的操作。
配合创建的python虚拟环境使用。找到路径：.venv\Lib\pydub\utils.py，找到which()函数下如下代码
下一行添加：路径为自己解压路径。保存ctrl+s即可。
envdir_list.append(r'D:\pythonvenv\ffmpeg\ffmpeg-7.0-full_build\bin')
4、VSCode添加Jupyter扩展
点击F1，选择Extensions:Install Extensions
输入Jupyter搜索，安装第一个即可，会自动安装附带扩展。
二、配置虚拟环境
1、下载源码
源码地址：myshell-ai/OpenVoice: Instant voice cloning by MyShell. (github.com)
两种方法
方法一 直接下载源码压缩包
建议使用此方法。如图下载压缩包，解压到你新建的空白项目文件夹下即可。
方法二 使用git
如果你电脑里有git，可以使用
首先，新建文件夹
在空文件夹下，右键鼠标选择Git Bash Here，前提是你已经将git加入鼠标右键了。如果没有的话，请将git加入鼠标右键。
1）git加入鼠标右键
win+R，输入regedit，打开注册表，收起计算机项目
在地址栏输入如下代码，回车enter
\HKEY_CLASSES_ROOT\Directory\Background
在Background\shell下，新建项“Git Bash Here”，名称随意。然后，在新建项下，新建项“command"，我是已经新建好的。
然后，点击新建项"Git Bash Here"，随后注册表右侧空白处右键新建字符串值，命名为"Icon"。
还是在鼠标点击"Git Bash Here"的情况下，即上图1，双击右侧默认项，值为”Git Bash Here"，即显示在鼠标右键的名称。
双击"Icon"，值为"E:\software\Git\mingw64\share\git\git-for-windows.ico"，为鼠标右键的图标。
然后，鼠标点击"commond"，双击右侧默认项，值为：" E:\software\Git\git-bash.exe"
2）git clone源码
在新建的空白项目文件夹下，右键鼠标，选择"Git Bash Here"，若没有这个选择，可能需要点击"显示更多选项"，在控制台输入如下代码，回车即可。
git clone https://github.com/myshell-ai/OpenVoice.git
2、VSCode出场
1）创建python虚拟环境
使用VSCode打开项目，按F1按钮，选择如图选项，Python:Select Interpreter
选择新建虚拟环境
选择"Venv"
选择3.9python
若没有3.9python选项，选择第一个"Enter interpreter path"
点击"Find"，选到你按照python3.9的文件夹下的python.exe即可。
2）安装所需插件
A、没有意外
正确切换pip源之后，一般是不会出现意外的。
选好python编译器之后，勾选如图项，然后点击ok。过程需要些时间，耐心等待VSCode安装完成。
不要动，等待就好。
B、若有意外
如果你没有勾选上一步，那么就需要手动操作安装了。
此步骤在激活python虚拟环境的情况下，在控制台，输入代码
pip install -r requirements.txt
3）激活python虚拟环境
选择Terminal->New Terminal
下方输入代码，回车enter即可。
.\.venv\Scripts\activate
4）安装ipykernel
激活虚拟环境的情况下，控制台输入代码
pip install ipykernel
5） 安装ipywidgets
激活虚拟环境的情况下，控制台输入代码
pip install ipywidgets
6）下载checkpoints
网址：
https://myshell-public-repo-hosting.s3.amazonaws.com/checkpoints_1226.zip
直接下载压缩包，解压之后放在项目根目录下。
checkpoints包含中文ZH和英文EN两种语言的模型处理文件。
3、操作模型
A、操作demo_part1.ipynb
点击左侧文件demo_part1.ipynb，然后点击右侧红框部分选择虚拟环境。
选择Python Environments
选择我们创建的虚拟环境.venv 
注意：每次关闭项目或者demo_part1.ipynb文件，要依次重新执行。每个都可多次点击，以消除警告信息。
1）第一步
点击下面的三角按钮
2）第二步
点击Initialization下的三角按钮。
3）第三步
执行source_se，可省略。
4）第四步
执行reference_speaker，可多点击几次，便不会出现问题。
5）第五步
执行Inference，挑选一个执行即可。默认情况下，选择英文例子。
注意：运行英文代码最好加一句，避免出错中英文checkpoints不对应。
ckpt_base = 'checkpoints/base_speakers/EN'
第一个是默认英文例子。
第二个也是英文，修改了语气与语速。
语气speaker="whispering"，其余可选friendly, cheerful, excited, sad, angry, terrified, shouting
语速speed=0.9，可尝试自己。
语言language='English'，为英文，切换中文为'Chinese’。
base_speaker_tts.tts(text, src_path, speaker='whispering', language='English', speed=0.9)
第三个是中文，只有默认语气。
B、操作demo_part2.ipynb
这个要使用OPENAI_API_KEY，如果你有的话，那么，应该就不需要我来实操演示了，请根据demo_part2.ipynb说明操作即可。
4、简单讲解
要使用的训练语音为：
reference_speaker = 'resources/example_reference.mp3'
更改自己的语音，将自己的语音文件，如"ky_kk.mp3"，放在项目路径resources文件夹下，注意，为mp3后缀文件。将example_reference更改为自己语音的名称即可。刚更改好，最好重启VSCode，以防报错找不到文件。更改完毕，然后执行这一步。
以中文为例 ，但是中文不能选择语气，只有默认的。
变量ckpt_base表示语音模仿对象语种模型处理的文件夹位置。中文ZH，英文则为EN。
ckpt_base = 'checkpoints/base_speakers/ZH'
变量source_se用于模仿语音语调的提取训练，区分中英文。中文为zh_default_se.pth，英文为en_default_se.pth。
source_se = torch.load(f'{ckpt_base}/zh_default_se.pth').to(device)
变量save_path表示输出的语音文件存档位置，output_chinese.wav为输出文件名，每次运行可更改，即可不断生成不同语音文件。
save_path = f'{output_dir}/output_chinese.wav'
变量text表示要输出的语音内容。
text = "今天天气真好，我们一起出去吃饭吧。"
变量src_path与变量save_path作用相同，使用语调为默认。默认音色输出为tmp.wav。
src_path = f'{output_dir}/tmp.wav'
因此，对于输出的语音文件，你有两个选择
output_chinese.wav和tmp.wav，随自己选择。
三、模型深度解析
敬请期待。