Pipeline complet pour l'entraînement et le clonage de voix en français et arabe, avec support multilingue et architecture modulaire.

• Fonctionnalités
• Architecture
• Installation
• Datasets Supportés
• Utilisation Rapide
• Pipeline Complet
• Configuration
• Résultats & Benchmarks

• ✅ Téléchargement automatisé de 5+ datasets (Common Voice, Arabic Speech Corpus, MLS, etc.)
• ✅ Prétraitement audio intelligent (normalisation, nettoyage silences, resampling)
• ✅ Génération automatique de metadata multilingue
• ✅ Support multi-speakers avec speaker embeddings
• ✅ Fine-tuning optimisé pour GPU/CPU
• ✅ Interface de test pour validation rapide
• ✅ Export production (ONNX, TorchScript)

VoiceCloning/
├── datasets/              # Données brutes et traitées
│   ├── raw/              # Datasets téléchargés
│   ├── processed/        # Audio normalisé
│   └── metadata/         # CSV de transcriptions
├── scripts/              # Outils de prétraitement
│   ├── download/         # Téléchargement datasets
│   ├── preprocess/       # Nettoyage audio
│   └── metadata/         # Génération metadata
├── models/               # Checkpoints et configs
│   ├── pretrained/       # Modèles de base
│   └── finetuned/        # Modèles entraînés
├── configs/              # Configurations d'entraînement
├── notebooks/            # Jupyter pour exploration
├── tests/                # Tests unitaires
└── demo/                 # Interface de démo

• Python 3.9+
• FFmpeg (pour traitement audio)
• CUDA 11.8+ (optionnel, pour GPU)
• 50+ GB d'espace disque

# Cloner et installer
cd VoiceCloning
python -m venv venv
source venv/bin/activate  # macOS/Linux
pip install -r requirements.txt

# Installer FFmpeg (macOS)
brew install ffmpeg sox

# Vérifier installation
python scripts/check_setup.py

python scripts/download/download_commonvoice.py \
  --language fr \
  --version 17.0 \
  --output datasets/raw/commonvoice_fr

python scripts/preprocess/process_audio.py \
  --input datasets/raw/commonvoice_fr \
  --output datasets/processed/commonvoice_fr \
  --sample_rate 22050 \
  --trim_silence

python scripts/metadata/generate_metadata.py \
  --dataset commonvoice \
  --language fr \
  --output datasets/metadata/fr_metadata.csv

python train.py \
  --config configs/xtts_multilingual.yaml \
  --languages fr ar \
  --batch_size 16 \
  --epochs 200

python demo/clone_voice.py \
  --reference_audio samples/voice_sample.wav \
  --text "Bonjour, ceci est un test de clonage vocal." \
  --language fr \
  --output output/cloned_voice.wav

# 1. Télécharger tous les datasets prioritaires
./scripts/download/download_all.sh

# 2. Prétraitement complet (parallélisé)
python scripts/preprocess/batch_process.py \
  --datasets commonvoice_fr commonvoice_ar arabic_speech_corpus \
  --workers 8

# 3. Fusion metadata multilingue
python scripts/metadata/merge_datasets.py \
  --output datasets/metadata/multilingual_train.csv \
  --split 0.9 0.05 0.05  # train/val/test

# 4. Entraînement multi-GPU (si disponible)
python train.py \
  --config configs/production.yaml \
  --gpus 0,1 \
  --resume_from models/finetuned/last_checkpoint.pth

# 5. Évaluation
python evaluate.py \
  --checkpoint models/finetuned/best_model.pth \
  --test_set datasets/metadata/multilingual_test.csv

# 6. Export production
python export.py \
  --checkpoint models/finetuned/best_model.pth \
  --format onnx \
  --output models/production/voice_cloner.onnx

• configs/xtts_multilingual.yaml — Configuration XTTS (Coqui)
• configs/production.yaml — Setup production optimisé
• configs/quick_test.yaml — Test rapide (petit dataset)

# configs/xtts_multilingual.yaml
model:
  type: xtts_v2
  languages: [fr, ar]
  sample_rate: 22050
  
training:
  batch_size: 16
  learning_rate: 1e-5
  epochs: 200
  gradient_accumulation: 4
  
data:
  min_audio_length: 1.0  # secondes
  max_audio_length: 15.0
  trim_silence: true
  normalize_audio: true

• GPU RTX 4090 : ~12-24h (200 epochs, 50h de données)
• GPU RTX 3080 : ~24-48h
• CPU (M2 Max) : ~5-7 jours

⚠️ Important :

• Vérifiez les licences de chaque dataset avant utilisation commerciale
• Obtenez le consentement explicite pour cloner des voix de personnes réelles
• Common Voice (CC-0) : usage libre, mais vérifiez la version spécifique
• Datasets académiques : souvent limités à la recherche

Contributions bienvenues ! Voir CONTRIBUTING.md pour les guidelines.

MIT License — Voir LICENSE pour détails.

Créé avec ❤️ pour la communauté francophone et arabophone

This project follows EU AI Act (Regulation 2024/1689) guidelines:

This project uses AI models for data processing and analysis. All AI-generated outputs are clearly marked and subject to human review. No automated decision-making affects individual rights without human oversight.

• Personal data is processed in accordance with GDPR (Regulation 2016/679)
• Data minimization principles are applied
• Users can request data access, correction, or deletion
• No data is shared with third parties without explicit consent

For questions about AI compliance, contact: compliance@prime-ai.fr