GanyuTTS

甘努特

Ganyutts是用於從文本中生成語音的VITS + SO-VITS工具。它最初是為遊戲精英製作的，但我將其與主要項目分開，因此現在可以用作獨立推理工具或API。 Edditts可在此處使用。

這絕對只是一個玩具項目，所以不要期望太多。仍然有很多東西進行了硬編碼，並且代碼不是很乾淨。將來我會嘗試清理它。

我只是為了自己的便利而製作了此存儲庫，但是如果願意，請隨時使用它。

安裝

我建議為此使用虛擬環境（CONDA或VENV）。另外，我建議使用Python 3.9或更高。不需要GPU，但它將加快推理。

pip install -r requirements.txt

對於Phonemizer ，您需要安裝ESPEAK 。在Windows上，您可以從這裡下載它。在Linux上，您可以使用軟件包管理器安裝它。

用法

配置文件

該程序需要一個名為config.json的配置文件。提供了一個示例文件。您可以更改模型和API鍵的路徑。 PhoneMizer路徑僅與Windows用戶有關，如果您在其他位置安裝了ESPEAK，則可以在此處進行編輯。如果要使用交互式模式，則需要從OpenAI獲取API鍵。它非常便宜，值得回應的質量。

主要API

要啟動API，請運行以下命令：

python main.py

該應用為文本到語音提供了簡單的燒瓶API。您可以將發布請求發送到服務器，它將返回音頻WAV文件。

示例請求主體：

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

回覆:

{
    "audio" : " <audio wav> " # base64 encoded raw audio
}

提供了用於測試API的API_CLIENT_EXAMPLE.PY。

簡單推論

有兩個推理腳本，一個用於VIT，另一個用於VIT + SO-VITS管道。您可以使用它們簡單地從CLI創建音頻。

僅對於VIT：

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

對於vits + so-vits：

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

使用-h或--help以獲取更多信息。

型號

所有型號都應在模型文件夾中，您必須從我的HuggingFace Repo手動下載它。另外，不要忘記下載Hubert模型，這是So-Vits所需的。我正在使用“ checkpoint_best_legacy_500.pt”

學分

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