GanyuTTS

GanyuTTS是用于从文本中生成语音的VITS + SO-VITS工具。它最初是为游戏精英制作的，但我将其与主要项目分开，因此现在可以用作独立推理工具或API。 Edditts可在此处使用。

这绝对只是一个玩具项目，所以不要期望太多。仍然有很多东西进行了硬编码，并且代码不是很干净。将来我会尝试清理它。

我只是为了自己的便利而制作了此存储库，但是如果愿意，请随时使用它。

我建议为此使用虚拟环境（CONDA或VENV）。另外，我建议使用Python 3.9或更高。不需要GPU，但它将加快推理。

pip install -r requirements.txt

对于Phonemizer ，您需要安装ESPEAK 。在Windows上，您可以从这里下载它。在Linux上，您可以使用软件包管理器安装它。

该程序需要一个名为config.json的配置文件。提供了一个示例文件。您可以更改模型和API键的路径。 PhoneMizer路径仅与Windows用户有关，如果您在其他位置安装了ESPEAK，则可以在此处进行编辑。如果要使用交互式模式，则需要从OpenAI获取API键。它非常便宜，值得回应的质量。

要启动API，请运行以下命令：

python main.py

该应用为文本到语音提供了简单的烧瓶API。您可以将发布请求发送到服务器，它将返回音频WAV文件。

示例请求主体：

{
    "text" : " Hello, world! " ,
    "sid1" : " 22 " , # speaker id in the multi-speaker VITS model
    "sid2" : " ganyu " # speaker id in the SO-VITS model
}

回复：

{
    "audio" : "  # base64 encoded raw audio
}

提供了用于测试API的API_CLIENT_EXAMPLE.PY。

有两个推理脚本，一个用于VIT，另一个用于VIT + SO-VITS管道。您可以使用它们简单地从CLI创建音频。

仅对于VIT：

python inference_vits.py -t " Let's get started. I'll be your guide today. "

对于vits + so-vits：

python inference_vits_sovits.py -t " Let's get started. I'll be your guide today "

使用-h或--help以获取更多信息。

所有型号都应在模型文件夹中，您必须从我的HuggingFace Repo手动下载它。另外，不要忘记下载Hubert模型，这是So-Vits所需的。我正在使用“ checkpoint_best_legacy_500.pt”

• 原始vits -https：//github.com/jaywalnut310/vits
• text-generation-webui-https：//github.com/oobabooga/text-generation-webui