Voice Cloner: un bot en Telegram para la clonación de voz

Abstract

En este trabajo se realiza un bot en Telegram que permite clonar la voz de una persona. Para lograr el objetivo se utilizarán técnicas de inteligencia artifial que permitan generar audios con réplicas de voces humanas, haciendo que generen voz a partir del texto indicado por el usuario. Para ello, se usan modelos y tecnologías de Deep Learning adecuados para la generación de voz a partir de texto usando modelos de codificación / descodificación, como el que propone Tortoise-TTS, que traslada técnicas generativas que se sabe han funcionado en el dominio de generación de imágenes a la generación de voz. En este documento se recogen el análisis y diseño del bot, así como los aspectos teóricos necesarios para entender el funcionamiento del mismo.

In this work, a bot is created in Telegram that allows cloning a person’s voice. To achieve the objective, artificial intelligence techniques will be used that allow generating audio with replicas of human voices, causing them to generate voice from the text indicated by the user. To do this, Deep Learning models and technologies suitable for speech generation from text are used using coding/decoding models, such as the one proposed by Tortoise-TTS, which transfers generative techniques that are known to have worked in the generation domain. from images to speech generation. This document contains the analysis and design of the bot, as well as the theoretical aspects necessary to understand how it works.