Echo XI

echo-xi

信息

我发布了YouTube上所有各种功能的巡回演出，请单击此处查看。

该项目的主要目的是向文字提供语音。

现在它具有GUI，并且存储您输入的所有设置。敏感细节（例如API密钥）存储在系统键架中。

如果要使用CLI，只需使用参数-CLI调用Comamnd行中的脚本。

它提供三个单独的语音识别服务：

• Vosk，带有recasepunc添加标点符号
• Azure语音识别
• 耳语，既可以在本地运行（现在使用更快的呼吸器以进行更快的识别和较低的VRAM使用情况）以及通过Openai的API

此外，如果用户说的是另一种语言，则将输出自动将输出转化为用户选择的语言（来自ElevenLabs的多语言模型的语言）。

每个语音识别提供者都有不同的语言支持，因此请务必阅读细节。

通过Deepl提供翻译，用于支持的语言，或Google Translate。

然后将公认和翻译的文本发送给TTS提供商，其中两个受支持：

• ElevenLabs，通过elevenlabslib模块，这是一款支持多种语言的高质量但付费的在线TTS服务。
• PYTTSX3，一种在本地运行的低质量TT。

该项目还允许您使用OBSW-Python将检测到的文本与OBS文本源同步。

安装和用法

警告：Python 3.11仍未得到Pytorch的完全支持（但它应该在夜间构建中起作用）。我建议使用Python 3.10.6

在其他任何事情之前：您需要将ffmpeg放在$路径中。如果您在Windows上，您可以关注本教程

此外，如果您在Linux上，则需要确保安装Portaudio。

在Windows上：

1. 克隆回购： git clone https://github.com/lugia19/Echo-XI.git

2. 运行run.bat-它将为您处理以下所有步骤。

其他地方：

1. 克隆回购： git clone https://github.com/lugia19/Echo-XI.git

2. 创建一个VENV： python -m venv venv

3. 激活VENV： venvScriptsactivate

4. 如果正确地做到了，则应该在命令行的开头（VENV）。

5. 安装要求： pip install -r requirements.txt

6. 运行它。

如果您想在不和谐之类的内容上使用声音，请使用VB-Cable。在脚本中，选择普通的麦克风作为输入， VB-Cable input作为输出，然后在Discord上选择VB-Cable output作为输入。是的，这有点令人困惑。

关于Vosk/recasepunc的注释

如果您想使用Vosk/recasepunc，并且除了（可下载的）型号之外还需要一些内容，请继续阅读。

Vosk模型可以在此处找到。同一页面还提供了一些Recasepunc型号。对于其他，您可以在Recasepunc repo中查看。

对于英语，我使用vosk-model-en-us-0.22和vosk-recasepunc-en-0.22 。使用VOSK，Recasepunc在技术上是可选的，但强烈建议改善输出。

该脚本在模型/vosk和型号/recasepunc文件夹下寻找模型。

典型的文件夹结构看起来像这样（recasepunc型号可以在自己的文件夹中，也可以在您自己的文件夹中，具体取决于您从哪个来源下载它们。两者都得到了支持。）：）：

 -misc
-models
    -vosk
        -vosk-model-en-us-0.22
        -vosk-model-it-0.22
    -recasepunc
        -vosk-recasepunc-en-0.22
        it.22000
-speechRecognition
-ttsProviders
helper.py
speechToSpeech.py

对于其他所有内容，只需运行脚本并遵循说明即可。

如果您想在不和谐之类的内容上使用声音，请使用VB-Cable。在脚本中，选择普通的麦克风作为输入， VB-Cable input作为输出，然后在Discord上选择VB-Cable output作为输入。是的，这有点令人困惑。