Descarga sub to audio - Descargar el código fuente de sub to audio

Subtítulo a audio

Subtítulo al audio, genere audio/discurso a partir de cualquier archivo de subtítulo utilizando TTS Coqui-AI y sincronice el tiempo de audio de acuerdo con el tiempo de subtítulos.

Demo:

Dependencias

FFMPEG, Pydub, Librosa, Coqui-Ai TTS, Ffmpeg-Python

Instalación

pip install TTS
pip install git+https://github.com/bnsantoso/sub-to-audio

pip install TTS
pip install subtoaudio

ffmpeg en Linux

apt-get install ffmpeg

Uso de ejemplo

El uso básico es muy similar a Coqui-AI TTS, puede verificar su documentación y el <lang-iso_code>.

! Nota: Use subtítulos no superpuestos con un carácter óptimo por segundo / CPS para el mejor resultado

! Nota: Use un software como AEGISUB para editar su subtítulo

 from subtoaudio import SubToAudio

# list all model
SubToAudio (). coqui_model ()

# get model index
model = SubToAudio (). coqui_model ()[ 1 ]

# The code will output 'yoursubtitle.wav' in the current directory.
sub = SubToAudio ( model_name = model )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle )

# you can choose 1100 different language using fairseq model
sub = SubToAudio ( fairseq_language = '<lang-iso_code>' )
subtitle = sub . subtitle ( "yoursubtitle.ass" )
sub . convert_to_audio ( sub_data = subtitle ) 

# specify model name
sub = SubToAudio ( model_name = "tts_models/multilingual/multi-dataset/your_tts" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , output_path = "subtitle.wav" )

# specify model and config path
sub = SubToAudio ( model_path = "path/to/your/model.pth" config_path = "config/path.json" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle )

# speaker=tts.speakers[0] or None if model doesnt have multiple speakers
# language=tts.languages[0] or None if doesnt have multiple languages

# list speaker
sub . speakers ()
speaker1 = sub . speakers ()[ 1 ]

# list languages
sub . languages ()
langu = sub . languages ()[ 0 ]

sub = SubToAudio ( model_name = "tts_models/multilingual/multi-dataset/your_tts" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , language = langu , speaker = speaker1 , output_path = "subtitle.wav" )

# Save temporary audio to current folder
sub = SubToAudio ( model_name = "tts_models/multilingual/multi-dataset/your_tts" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , output_path = "subtitle.wav" , save_temp = True )

Conversión de voz

Para usar el método de conversión de voz, debe pasar voice_conversion:bool y speaker_wav:str Paramater en self.convert_to_audio . La conversión de voz no puede ejecutarse si su modelo tiene varios altavoces.

 from subtoaudio import SubToAudio

sub = SubToAudio ( fairseq_language = "eng" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , voice_conversion = True , speaker_wav = "voice.wav" , language = "en" )

Coqui Studio API

Para usar la API de Coqui Studio, deberá configurar la variable de entorno Coqui_studio_Token.

 import os

os . environ [ 'COQUI_STUDIO_TOKEN' ] = # yourapi

Después de su conjunto de tokens, puede obtener el modelo Coqui Studio, puede seguir esta convención de nombre coqui_studio/en/<studio_speaker_name>/coqui_studio

 from subtoaudio import SubToAudio

sub = SubToAudio ( model_name = "coqui_studio/en/Torcull Diarmuid/coqui_studio" , progress_bar = False )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , output_path = "subtitle.wav" , save_temp = True )

# use emotion paramater and speed paramater
sub . convert_to_audio ( sub_data = subtitle , output_path = "subtitle.wav" , emotion = "Happy" , speed = 1.5 )

Modo de tempo

Use el parámetro tempo_mode para acelerar el audio. Hay tres modos de tempo:

tempo_mode="all" : esto acelera todo el audio. Use tempo_speed=float para especificar la velocidad.
tempo_mode="overflow" : esto acelera el audio para que coincida con la duración del subtítulo total más la duración en blanco antes de que aparezca el siguiente subtítulo. 'tempo_limit' limitará el aumento de la velocidad durante el desbordamiento.
tempo_mode="precise" : esto acelera el audio para que coincida con la duración del subtítulo ".

 from subtoaudio import SubToAudio

# Speed up tempo or speech rate
sub = SubToAudio ( model_name = "tts_models/de/thorsten/tacotron2-DDC" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , tempo_mode = "all" , tempo_speed = 1.3 )

# Change the tempo or speech rate of all audio files , default is 1.2
sub = SubToAudio ( "tts_models/multilingual/multi-dataset/xtts_v1" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , tempo_mode = "all" , tempo_speed = 1.3 )

# Change tempo or speech rate to audio that doesn't match the subtitle duration
sub = SubToAudio ( fairseq_language = "ind" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , tempo_mode = "overflow" )

# Limit tempo speed on the overflow mode 
sub = SubToAudio ( fairseq_language = "ind" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , tempo_mode = "overflow" , tempo_limit = 1.2 )

# Match audio length to subtitle duration
sub = SubToAudio ( fairseq_language = "ind" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , tempo_mode = "precise" )

Modo de cambio

El parámetro shift_mode cambiará audio que no coincida con la duración del subtítulo.

shift_mode="right" : Tiempo de audio de cambio a la derecha y evite la superposición de audio.
shift_mode="left" : Audio de cambio a la izquierda y evite la superposición de audio, pero tenga cuidado con el espacio limitado en el lado izquierdo, ya que algún audio puede desaparecer.
shift_mode="interpose" : desplazamiento de audio a la posición media y evite la derecha e izquierda de la superposición de audio. (Nota: este modo puede ser torpe, así que úsalo con cautela).
shift_mode="left-overlap" : Tiempo de audio de cambio a la izquierda, permitiendo superposición.
shift_mode="interpose-overlap" : Shift Audio a la posición media, permitiendo superposición.
shift_limit=int or "str" : limitar el cambio de audio, usar entero para milisegundos o cadenas como 2.5s para el segundo

 from subtoaudio import SubToAudio

# shift mode with limit of 2 second to the right.

sub = SubToAudio ( fairseq_language = "vie" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = sub , tempo_mode = "overflow" , shift_mode = "right" , limit_shift = "2s" )

# shift audio to left position or, time before next subtitle appear

sub = SubToAudio ( fairseq_language = "fra" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = sub , shift_mode = "left-overlap" )

# shift to left, and limit shift only 1 sec.
sub = SubToAudio ( fairseq_language = "ind" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = sub , shift_mode = "left" , shift_limit = 1000 ) # 1000 = 1s

Ejemplo de corteza y tortuga

 from subtoaudio import SubToAudio

#  Random Speaker will give you weird result when using bark model with SubToAudio

# Bark random
sub = SubToAudio ( "tts_models/multilingual/multi-dataset/bark" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , tempo_mode = "overflow" )

# Tortoise random
sub = SubToAudio ( "tts_models/en/multi-dataset/tortoise-v2" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , shift_mode = "overflow" , preset = "fast" )

#  To use voice clone you need voice_dir and speaker paramater
#  Voice Clone expecting .wav or .npz file inside folder speaker_1
#  voice/speaker_1/hana.wav or voice/speaker_1/hana.npz
#  if your speaker folder only have .wav file, it will generate .npz file after you runing it.

sub = SubToAudio ( "tts_models/multilingual/multi-dataset/bark" )
subtitle = sub . subtitle ( "yoursubtitle.srt" )
sub . convert_to_audio ( sub_data = subtitle , tempo_mode = "overflow" , voice_dir = "voice/" , speaker = "speaker_1" )

# same with bark, the folder structure like this 'voice/speaker2/ron.wav'
sub = SubToAudio ( "tts_models/en/multi-dataset/tortoise-v2" )
subtitle = sub . subtitle ( "yoursubtitle.ass" )
sub . convert_to_audio ( sub_data = subtitle , tempo_mode = "overflow" , voice_dir = "voice/" , speaker = "speaker2" )