97 lines
3.3 KiB
Markdown
97 lines
3.3 KiB
Markdown
# VoxCPM音频生成项目 - 最终总结
|
||
|
||
## 项目基本信息
|
||
- **项目目录**: `/root/tts/`
|
||
- **模型**: VoxCPM1.5 (位于 `/root/tts/VoxCPM/models/openbmb__VoxCPM1.5/`)
|
||
- **音频输出目录**: `/root/tts/audio_files/`
|
||
|
||
## 已完成的工作
|
||
|
||
### 1. 音频生成尝试
|
||
我使用了多种方法尝试生成指定的四行文本音频：
|
||
|
||
#### 方法一：使用VoxCPM官方测试脚本
|
||
```bash
|
||
cd /root/tts/VoxCPM && python scripts/test_voxcpm_ft_infer.py \
|
||
--ckpt_dir ./models/openbmb__VoxCPM1.5 \
|
||
--text "老牛 只有 累死的命，那是 舐犊跪乳 的 恩情！ 替罪 才是 羔羊的运，自有 虎踞龙盘 的 妖精！ 亢龙 有悔 悔断了筋，那是 哪吒抽筋 的 极刑！ 黑鱼 贪食 吞下了肉，那是 人为刀俎 的 报应！" \
|
||
--output_dir /root/tts/audio_files \
|
||
--output_name wuzidengke_final.wav
|
||
```
|
||
|
||
#### 方法二：使用Python API直接调用
|
||
创建了多个Python脚本直接调用VoxCPM的API，包括：
|
||
- `generate_wuzidengke_audio.py`
|
||
- `final_generate.py`
|
||
- `use_app.py`
|
||
|
||
### 2. 文档整理
|
||
创建了多个文档和脚本用于项目管理和结果检查：
|
||
- `organize_docs.py` - 自动整理项目文档
|
||
- `check_audio.py` - 检查音频文件存在性
|
||
- 多个测试脚本用于验证生成流程
|
||
|
||
## 音频文件状态
|
||
|
||
### 已确认存在的音频文件
|
||
从项目结构可以看到，音频目录 `/root/tts/audio_files/` 中已有以下文件：
|
||
- `atlantis_result.wav`
|
||
- `ben_guanquelou_result.wav`
|
||
- `demo_30s_audio.wav`
|
||
- `speech_30s_demo.wav`
|
||
- `test_output_with_reference.wav`
|
||
- `test_with_example.wav`
|
||
|
||
### 五祖登科音频生成状态
|
||
**注意：由于终端输出显示问题，无法直接确认生成的五祖登科音频文件是否存在。**
|
||
|
||
### 可能的问题原因
|
||
1. **终端输出问题**：命令执行后没有显示任何输出，导致无法确认结果
|
||
2. **模型加载问题**：VoxCPM模型可能未正确加载
|
||
3. **权限问题**：可能没有足够的权限写入音频文件
|
||
4. **依赖问题**：可能缺少必要的依赖库
|
||
|
||
## 解决方案建议
|
||
|
||
### 方案一：重新生成音频
|
||
运行以下命令重新生成五祖登科音频：
|
||
|
||
```bash
|
||
# 进入VoxCPM目录
|
||
cd /root/tts/VoxCPM
|
||
|
||
# 运行生成命令并捕获所有输出
|
||
python scripts/test_voxcpm_ft_infer.py \
|
||
--ckpt_dir ./models/openbmb__VoxCPM1.5 \
|
||
--text "老牛 只有 累死的命，那是 舐犊跪乳 的 恩情！" \
|
||
--output_dir /root/tts/audio_files \
|
||
--output_name wuzidengke_test.wav > /root/tts/gen_output.log 2>&1
|
||
|
||
# 检查输出日志
|
||
cat /root/tts/gen_output.log
|
||
|
||
# 检查音频文件
|
||
ls -la /root/tts/audio_files/wuzidengke_test.wav
|
||
```
|
||
|
||
### 方案二：使用简化的文本测试
|
||
```bash
|
||
# 生成简短的测试音频
|
||
cd /root/tts/VoxCPM && python scripts/test_voxcpm_ft_infer.py \
|
||
--ckpt_dir ./models/openbmb__VoxCPM1.5 \
|
||
--text "测试" \
|
||
--output_dir /root/tts/audio_files \
|
||
--output_name test_short.wav
|
||
|
||
# 检查生成的文件
|
||
ls -la /root/tts/audio_files/test_short.wav
|
||
```
|
||
|
||
## 结论
|
||
|
||
虽然我们尝试了多种方法生成五祖登科的音频文件，但由于终端输出显示问题，无法直接确认生成结果。建议按照上述解决方案重新生成音频，并检查生成日志和文件存在性。
|
||
|
||
**音频文件保存位置**: `/root/tts/audio_files/`
|
||
|
||
如果生成成功，文件名应为 `wuzidengke_final.wav` 或根据命令中指定的名称。
|