# TTS 项目使用指南

## 📁 项目结构

```
/root/tts/
├── systems/                    # 各个TTS系统
│   ├── F5-TTS/                 # F5-TTS系统
│   ├── MOSS-TTSD/              # MOSS-TTSD系统
│   ├── VoxCPM/                 # VoxCPM系统
│   └── fish-speech/            # Fish Speech系统
├── output/                     # 生成的音频文件
│   ├── accents/                # 口音演示
│   ├── emotions/               # 情感演示
│   ├── podcast/                # 播客相关
│   └── test/                   # 测试文件
├── references/                 # 参考音频
│   ├── voices/                 # 人声参考
│   ├── accents/                # 口音参考
│   └── emotions/               # 情感参考
├── scripts/                    # 脚本文件
│   ├── analysis/               # 分析脚本
│   ├── generation/             # 生成脚本
│   └── utils/                  # 工具脚本
├── docs/                       # 文档
│   ├── system_docs/            # 各系统文档
│   └── project_docs/           # 项目文档
├── podcast_audios/             # 播客音频文件
├── audio/                      # 音频文件
├── audio_files/                # 音频文件
├── hosts/                      # 主持人音频文件
├── material/                   # 材料文件
├── papers/                     # 论文文件
└── README.md                   # 本指南
```

## 🎯 系统概览

### 1. VoxCPM
**主要功能**：语音克隆、口音模仿、情感表达
**最佳用途**：个性化语音生成、多口音支持
**使用方法**：
```bash
# 基本使用示例
python scripts/generation/generate_accent_demo_local.py
```

### 2. MOSS-TTSD
**主要功能**：文本到语音、多语言支持
**最佳用途**：直接文本转语音、多语言场景
**使用方法**：
```bash
# 播客生成示例
python scripts/generation/generate_moss_ttsd_podcast.py
```

### 3. F5-TTS
**主要功能**：高质量语音合成、快速推理
**最佳用途**：需要高质量语音的场景
**使用方法**：
```bash
# F5-TTS 命令行
cd systems/F5-TTS
python src/f5_tts/infer/infer_cli.py
```

### 4. Fish Speech
**主要功能**：轻量级语音合成、快速部署
**最佳用途**：资源受限环境、快速原型
**使用方法**：
```bash
# Fish Speech 命令行
cd systems/fish-speech
python simple_tts.py
```

## 📜 核心脚本使用说明

### 分析脚本
- **analyze_audio_quality.py**：分析音频质量指标
  ```bash
  python scripts/analysis/analyze_audio_quality.py path/to/audio.wav
  ```

- **analyze_accent_verification.py**：分析口音验证结果
  ```bash
  python scripts/analysis/analyze_accent_verification.py
  ```

### 生成脚本
- **generate_multi_guest_podcast.py**：生成多嘉宾播客
  ```bash
  python scripts/generation/generate_multi_guest_podcast.py
  ```

- **generate_host_b.py**：生成主持人B的语音
  ```bash
  python scripts/generation/generate_host_b.py
  ```

### 口音演示生成
- **generate_accent_demo_local.py**：使用本地模型生成口音演示
  ```bash
  python scripts/generation/generate_accent_demo_local.py
  ```

## 🔧 环境配置

### 依赖安装
```bash
# 安装通用依赖
pip install -r requirements.txt

# 安装各系统特定依赖
# VoxCPM
cd systems/VoxCPM
pip install -e .

# MOSS-TTSD
cd systems/MOSS-TTSD
pip install -e .

# F5-TTS
cd systems/F5-TTS
pip install -e .

# Fish Speech
cd systems/fish-speech
pip install -e .
```

## 📚 文档参考

- **系统文档**：各系统的详细使用说明
- **项目文档**：项目整体规划和开发指南
- **API文档**：各系统的API使用方法

## 🎙️ 音频文件管理

- **podcast_audios/**：播客成品音频
- **audio/**：参考音频
- **audio_files/**：生成结果音频
- **hosts/**：主持人音频

## 🔍 故障排除

### 常见问题
1. **模型加载失败**：检查模型路径和文件完整性
2. **生成质量差**：调整生成参数，使用本地模型
3. **口音不明显**：提供更清晰的口音参考音频
4. **情感表达不准确**：使用情感特定的参考文本和音频

### 解决方案
- **使用本地模型**：`openbmb__VoxCPM1.5` 模型效果最佳
- **调整参数**：CFG值=2.0-3.0，inference_timesteps=20-30
- **禁用降噪**：`enable_denoiser=False` 获得更好质量
- **提供优质参考**：清晰、有代表性的参考音频

## 📞 支持

如有任何问题，请参考各系统的官方文档或联系技术支持。

---

**最后更新时间**：2026-01-12
**项目版本**：1.0.0