基于 RVC-Boss/GPT-SoVITS-WebUI 强大的少样本语音转换与语音合成
- 简易命令行终端交互，输入文本实时播放语音
- 一键切换模型
- 多线程推断和播放
- 播放控制：暂停，继续，重播等
- 该项目基于官方文档在win10上测试通过
-
按照GPT-SoVITS-WebUI官方文档进行配置，确保通过官方测试用例。
-
在你使用的python环境中安装 pyaudio 库
pip install pyaudio -
编辑模型配置文件
cmd/model.yaml，指定使用中可切换的模型、参考音频以及声音输出设备。按照模板的yaml格式添加所需的配置信息即可。
其中
device留空为使用系统默认播放设备。若需指定输出设备，则执行下述python代码检查系统中的音频输出设备，并选择其一填入。import pyaudio pyAudio = pyaudio.PyAudio() all_device = [pyAudio.get_device_info_by_index(i) for i in range(pyAudio.get_device_count())] output_device_name_1 = [i['name'] for i in all_device if i['maxOutputChannels']>0 and i['hostApi']==0] print('----------------------------') print('\n'.join(output_device_name_1)) print('----------------------------') output_device_name_2 = [i['name'] for i in all_device if i['maxOutputChannels']>0 and i['hostApi']>0] print('\n'.join(output_device_name_2)) print('----------------------------')
-
如需将音频输出转为输入（播放的声音映射到麦克风中），安装虚拟音频设备 VB-CABLE Virtual Audio Device 然后配置文件中指定
device: CABLE Input
启动根目录下的 tts.bat。程序初始化完成后，最后一行出现输入：后即可输入需要TTS的文本。
输入文本后敲击回车，会开启一个线程在后台将其转换为音频，并立即播放到指定设备。在这过程中用户可以输入下一条文本并提交下一个TTS任务。
输入？可查看当前选择的模型、配置可用的模型和用于播放控制的命令。
在交互界面中，输入[num]: [text]，使用第[num]个模型将[text]转为语音并立即播放。例如：
输入：1:测试测试，一二三四
也可输入[num]:切换模型，再直接输入[text]进行TTS：
输入：1:测试一 (使用模型1播放：测试一)
输入：2:
输入：测试二 (使用模型2播放：测试二)
输入：测试三 (使用模型2播放：测试三)
输入：3:测试四 (使用模型3播放：测试四)
输入：测试五 (使用模型3播放：测试五)
可以使用单字命令进行播放控制，也可选择之前播放的语音进行重播。
s暂停播放r恢复播放d重播c关闭（删除该条语音）q选择前一句w选择最后一句e选择后一句s:[文件名]保存当前音频到当前目录下的./save文件夹中(若文件名为空，则自动命名)
输入：1:测试一 (模型1播放：测试一)
输入：2:测试二 (模型2播放：测试二)
输入：测试三 (模型2播放：测试三)
输入：d (模型2播放：测试三)
输入：q
选择：模型2:测试二
输入：q
选择：模型1:测试一
输入：d (模型1播放：测试一)
输入：e
选择：模型2:测试二
输入：d (模型2播放：测试二)
输入：s: (保存为："./data/模型2:测试二.wav")
若在文本前放置一个空格，则音频转换完后不会立即播放，需要在提示转换完成后，手动输入d开启播放。
输入：1:测试一 (模型1播放：测试一)
输入：测试二 (模型1播放：测试二)
输入： 测试三
Ready: 测试三
输入：d (模型1播放：测试三)
输入：2: 测试四
Ready: 测试四
输入：d (模型2播放：测试四)
- 播放控制，如暂停、继续、重播。
- 异步播放，非阻塞播放，允许多个音频同时播放。
- 多线程推断，模型推断时可以进行下一次输入。
- 配置文件热重载。
- 交互操作：保存当前音频为wav文件。
- 播放设备独立于模型配置，可实时切换，实现设备A预览后设备B播放。
- 重构交互底层，过滤Debug输出，避免多线程打印混乱。