VALL-E X是一个强大而创新的多语言文本转语音（TTS）模型，最初由微软发布。虽然微软在他们的研究论文中提出了该概念，但并未发布任何代码或预训练模型。我们认识到了这项技术的潜力和价值，复现并训练了一个开源可用的VALL-E X模型。我们很乐意与社区分享我们的预训练模型，让每个人都能体验到次世代TTS的威力。
VALL-E X模型的最大特点是能够在仅3秒内实现声音克隆，将任何人的声音转换成语音。这项技术的应用非常广泛，比如可以用于电影、广告、电子游戏等领域，也可以用于智能客服和教育等领域。无论是为了娱乐还是商业用途，VALL-E X都是一个非常有价值的技术工具。
本地安装
使用pip安装，推荐使用Python 3.10，CUDA 11.7 ~ 12.0，PyTorch 2.0+
注意：如果需要制作prompt，需要安装 ffmpeg 并将其所在文件夹加入到环境变量PATH中
第一次运行程序时，会自动下载相应的模型。如果下载失败并报错，请按照以下步骤手动下载模型。
（请注意目录和文件夹的大小写）
1.检查安装目录下是否存在checkpoints文件夹，如果没有，在安装目录下手动创建checkpoints文件夹（./checkpoints/）。
2.检查checkpoints文件夹中是否有vallex-checkpoint.pt文件。如果没有，请从这里 手动下载vallex-checkpoint.pt文件并放到checkpoints文件夹里。
3.检查安装目录下是否存在whisper文件夹，如果没有，在安装目录下手动创建whisper文件夹（./whisper/）。
4.检查whisper文件夹中是否有medium.pt文件。如果没有，请从这里 手动下载medium.pt文件并放到whisper文件夹里。
