详细内容或原文请订阅后点击阅览
使用Gradio构建交互式机器学习应用
在Minutesthe中创建一个有趣的文本对语音演示，构建Interactive Machine Learning应用程序，Gradio首先出现在数据科学上。
来源:走向数据科学作为使用机器学习模型的开发人员，您可能会花费数小时编写脚本并调整超参数。但是，在分享您的工作或让其他人与模型互动时，Python脚本和可用的Web应用程序之间的差距会感到巨大。 Gradio是一个开源Python库，可让您将Python脚本转换为交互式Web应用程序，而无需前端专业知识。
gradio在此博客中，我们将采用一种有趣的动手方法来学习关键的Gradio组件，通过构建文本到语音（TTS）Web应用程序，您可以在AI PC或Intel®Tibre™AI Cloud上运行，并与他人共享。 （全面披露：作者隶属于英特尔。）
文本到语音 AI PC intel®Tibre™AI云我们项目的概述：tts python脚本
我们将使用COQUI TTS库及其XTTS_V2多语言模型开发一个基本的Python脚本。要继续进行此项目，请使用以下内容进行要求。TXT文件：
XTTS_V2
要求.txt
gradiocoqui-ttstorch
然后创建一个虚拟环境，然后使用
pip install -r要求.txt
另外，如果您使用的是Intel Tiber AI Cloud，或者如果您在系统上安装了UV软件包管理器，请创建虚拟环境并使用
UV软件包管理器UV INIT - -BAREUV add -r Enesuption.txt
然后，您可以使用
uv run
gotcha警报与最近的依赖版本的兼容性，我们使用的是`coqui-tts'，它是原始coqui`tts'的叉子。因此，请勿尝试使用PIP安装TTS安装原始软件包。
gotcha警报 coqui-tts ttsPIP安装TTS
接下来，我们可以为脚本进行必要的导入：
导入tts.api导入tts
当前，`tts'可让您访问94个模型，您可以通过运行
print（tts（）。list_models（））
在此博客中，我们将使用XTTS-V2模型，该模型支持17种语言和58个说话者的声音。您可以加载模型并通过
fn