Echo XI

echo-xi

資訊

我發布了YouTube上所有各種功能的巡迴演出，請單擊此處查看。

該項目的主要目的是向文字提供語音。

現在它具有GUI，並且存儲您輸入的所有設置。敏感細節（例如API密鑰）存儲在系統鍵架中。

如果要使用CLI，只需使用參數-CLI調用Comamnd行中的腳本。

它提供三個單獨的語音識別服務：

• Vosk，帶有recasepunc添加標點符號
• Azure語音識別
• 耳語，既可以在本地運行（現在使用更快的呼吸器以進行更快的識別和較低的VRAM使用情況）以及通過Openai的API

此外，如果用戶說的是另一種語言，則將輸出自動將輸出轉化為用戶選擇的語言（來自ElevenLabs的多語言模型的語言）。

每個語音識別提供者都有不同的語言支持，因此請務必閱讀細節。

通過Deepl提供翻譯，用於支持的語言，或Google Translate。

然後將公認和翻譯的文本發送給TTS提供商，其中兩個受支持：

• ElevenLabs，通過elevenlabslib模塊，這是一款支持多種語言的高質量但付費的在線TTS服務。
• PYTTSX3，一種在本地運行的低質量TT。

該項目還允許您使用OBSW-Python將檢測到的文本與OBS文本源同步。

安裝和用法

警告：Python 3.11仍未得到Pytorch的完全支持（但它應該在夜間構建中起作用）。我建議使用Python 3.10.6

在其他任何事情之前：您需要將ffmpeg放在$路徑中。如果您在Windows上，您可以關注本教程

此外，如果您在Linux上，則需要確保安裝Portaudio。

在Windows上：

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

2. 運行run.bat-它將為您處理以下所有步驟。

其他地方：

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

2. 創建一個VENV： python -m venv venv

3. 激活VENV： venvScriptsactivate

4. 如果正確地做到了，則應該在命令行的開頭（VENV）。

5. 安裝要求： pip install -r requirements.txt

6. 運行它。

如果您想在不和諧之類的內容上使用聲音，請使用VB-Cable。在腳本中，選擇普通的麥克風作為輸入， VB-Cable input作為輸出，然後在Discord上選擇VB-Cable output作為輸入。是的，這有點令人困惑。

關於Vosk/recasepunc的註釋

如果您想使用Vosk/recasepunc，並且除了（可下載的）型號之外還需要一些內容，請繼續閱讀。

Vosk模型可以在此處找到。同一頁面還提供了一些Recasepunc型號。對於其他，您可以在Recasepunc repo中查看。

對於英語，我使用vosk-model-en-us-0.22和vosk-recasepunc-en-0.22 。使用VOSK，Recasepunc在技術上是可選的，但強烈建議改善輸出。

該腳本在模​​型/vosk和型號/recasepunc文件夾下尋找模型。

典型的文件夾結構看起來像這樣（recasepunc型號可以在自己的文件夾中，也可以在您自己的文件夾中，具體取決於您從哪個來源下載它們。兩者都得到了支持。）：）：

 -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

對於其他所有內容，只需運行腳本並遵循說明即可。

如果您想在不和諧之類的內容上使用聲音，請使用VB-Cable。在腳本中，選擇普通的麥克風作為輸入， VB-Cable input作為輸出，然後在Discord上選擇VB-Cable output作為輸入。是的，這有點令人困惑。