tts joinery

การเข้าร่วม TTS

TTS-JOINERY เป็นไลบรารี Python และเครื่องมือ CLI เพื่อแก้ไขข้อจำกัดความยาวใน API แบบข้อความเป็นคำพูด

เนื่องจาก API ที่ได้รับความนิยมในปัจจุบันถูก จำกัด ไว้ที่ 4096 อักขระไลบรารีนี้จะ:

• ชิ้นข้อความอินพุตลงในประโยคโดยใช้โมดูล NLTK Punkt (เพื่อเสียงที่ดีกว่าโดยหลีกเลี่ยงการแบ่งส่วนตรงกลางคำหรือประโยค)
• เรียกใช้แต่ละก้อนผ่าน TTS API
• รวมเอาท์พุทผลลัพธ์เพื่อสร้างไฟล์ mp3 เดียว

ปัจจุบันมีเพียง OpenAI API เท่านั้นที่ได้รับการสนับสนุนโดยมีความตั้งใจที่จะเพิ่มมากขึ้นในอนาคต

การติดตั้ง

pip install tts-joinery

หรือใช้ pipx เพื่อติดตั้งเป็นเครื่องมือแบบสแตนด์อโลน

ต้องใช้ FFMPEG สำหรับการประมวลผลไฟล์เสียง

การติดตั้งอาจแตกต่างกันไปขึ้นอยู่กับระบบของคุณ บน Linux คุณสามารถใช้ System Package Manager ของคุณ บน Mac brew install ffmpeg ควรทำงาน

การใช้งาน

อินเทอร์เฟซบรรทัดคำสั่ง (CLI)

CLI คาดว่าจะค้นหาคีย์ OpenAI API ในตัวแปรสภาพแวดล้อม OPENAI_API_KEY หรือในไฟล์. ENV

ไวยากรณ์

 ttsjoin [OPTIONS] [COMMAND]

ตัวเลือก

 Options:
--input-file FILENAME   Plaintext file to process into speech, otherwise stdin
--output-file FILENAME  MP3 result, otherwise stdout
--model TEXT            Slug of the text-to-speech model to be used
--service TEXT          API service (currently only supports openai)
--voice TEXT            Slug of the voice to be used
--no-cache BOOLEAN      Disable caching
--help                  Show this message and exit.

Commands:
  cache [clear, show]

ตัวอย่าง

1. การใช้ไฟล์อินพุตและระบุไฟล์เอาต์พุต:

ttsjoin --input-file input.txt --output-file output.mp3 --model tts-1 --service openai --voice onyx

2. การใช้ stdin และ stdout กับตัวเลือกเริ่มต้น:

 echo " Your text to be processed " | ttsjoin > output.mp3

3. ข้อความแต่ละชิ้นถูกแคชสำหรับประสิทธิภาพเมื่อเรียกใช้ข้อความเดียวกันหลายครั้งซึ่งสามารถปิดการใช้งานได้:

ttsjoin --input-file input.txt --output-file output.mp3 --no-cache

5. ไดเรกทอรีแคชล้าง

ttsjoin cache clear

Library Python

นอกจากนี้คุณยังสามารถใช้ TTS-Joinery เป็นส่วนหนึ่งของโครงการ Python ของคุณ:

 import nltk

from joinery . op import JoinOp
from joinery . api . openai import OpenAIApi

# Only need to download once, handled for you automatically in the CLI
nltk . download ( 'punkt_tab' , quiet = True )

tts = JoinOp (
    text = 'This is only a test!' ,
    api = OpenAIApi (
        model = 'tts-1-hd' ,
        voice = 'onyx' ,
        api_key = OPENAI_API_KEY ,
    ),
)

tts . process_to_file ( 'output.mp3' )

การเปลี่ยนแปลง

v1.0.4 (2024-10-11)

• แก้ไขปัญหาด้วยการพึ่งพา NLTK #4
• ตอนนี้โมเดลเสียงและบริการ CLI พารามิเตอร์เป็นตัวพิมพ์ใหญ่

v1.0.3 (2024-10-05)

• เพิ่มคำสั่งการจัดการแคชลงใน CLI
• แก้ไขข้อผิดพลาดเมื่อทำงาน
• เพิ่มการทดสอบแบบ end-to-end

v1.0.2 (2024-10-03)

• แก้ไขข้อผิดพลาดเมื่อทำงานด้วยการปิดการแคช (#3)

การบริจาค

ยินดีต้อนรับการมีส่วนร่วมโดยเฉพาะอย่างยิ่ง TTS API อื่น ๆ ตรวจสอบปัญหาล่วงหน้าและอย่าลังเลที่จะเปิดการประชาสัมพันธ์ รหัสถูกจัดรูปแบบด้วยสีดำ

การทดสอบสามารถเรียกใช้ได้ด้วยตนเอง Suite รวมถึงการทดสอบแบบ end-to-end ด้วยการโทรสด API ตรวจสอบให้แน่ใจว่าคุณมีชุด openai_api_key ใน .env.test และเรียกใช้ pytest คุณสามารถติดตั้งการพัฒนาการพัฒนาด้วย pip install -e .[test]

ผู้มีส่วนร่วม

ขอขอบคุณเป็นพิเศษ:

• Mayank Vishwakarma (@mayankwebbing)

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT

ลิขสิทธิ์ 2024, Adrien Delessert