tts/README.md

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：

# 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：

# 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：

# 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：

# 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

  python scripts/analysis/analyze_audio_quality.py path/to/audio.wav
  

• analyze_accent_verification.py：分析口音验证结果

  python scripts/analysis/analyze_accent_verification.py
  

生成脚本

• generate_multi_guest_podcast.py：生成多嘉宾播客

  python scripts/generation/generate_multi_guest_podcast.py
  

• generate_host_b.py：生成主持人B的语音

  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

  python scripts/generation/generate_accent_demo_local.py
  

🔧 环境配置

依赖安装

# 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