封面：小藍鳥@iktd13_

前言

前段時間剪音頻，基于whisper-vits的腳本寫了個筆記本自用，外面套了slicer2和demucs。現(xiàn)在整理成了可以發(fā)布的樣子，相當于用一些沒有臺詞的音頻文件制作tacotron2/vits單人的訓練數(shù)據(jù)集的在線GUI，可以把音頻按臺詞切成片，當然你也可以拿來活字印刷或者機翻字幕等等。已經過一定測試，但不排除還有一些問題，歡迎反饋。

筆記本鏈接：https://colab.research.google.com/drive/1oM3HuRdGtONgpNNTredRCYeG_JrdF1be?usp=sharing

whisper-vits庫作者視頻：

使用說明

1. 把要處理的音頻打包成壓縮包上傳到云端硬盤

2. “在云端硬盤中保存一份副本”

3. 一路按播放鍵向下執(zhí)行，解壓部分填剛才上傳的壓縮包的路徑

4. 可選擇使用 demucs 去除背景雜音

5. 可選擇 slicer2 按音頻中間的空白片段分割音頻

6. 選擇whisper轉寫方式：

填1 - whisper直接轉寫

填2 - whisper轉寫后調用whisper-vits庫，按臺詞進一步分割音頻

7. 開始whisper轉寫

8. 轉寫完成后導出保存到云盤

補充說明

1. demucs和slicer2可以自由選擇，demucs默認放在前面以求slicer2分得更細

2. slicer2不是AI，是算法分割音頻

3. 清除緩存會重置對應步驟產生的影響，但會刪除對應步驟產生的數(shù)據(jù)，謹慎操作

4. 默認勾選 wv_show_log 以便于排錯，如果覺得輸出的東西太影響視野可以勾掉，還你一個清爽的界面

5. 如果執(zhí)行過程中出現(xiàn)一時解決不了的錯誤想要保留中間產物，或者demucs分離人聲后想要保留背景音，可以在導出時在 wv_export_way 填2，將過程中產生的所有文件打包保存到云盤

6.?whisper轉寫有一定出錯概率，能找到原臺詞一般還是原臺詞更好