152 lines
6.0 KiB
Markdown
152 lines
6.0 KiB
Markdown
# Fish Speech 命令行语音合成完整指南
|
||
|
||
## 🎊 当前状态
|
||
|
||
✅ **已完成**：
|
||
- Fish Speech 模型已从魔搭社区下载 (1.4GB)
|
||
- 参考音频文件已准备 (ben_guanquelou.wav - 登鹳雀楼)
|
||
- 所有脚本和工具已创建
|
||
- 命令行接口已准备
|
||
|
||
## 🚀 命令行使用方法
|
||
|
||
### 方法1: 一键脚本 (推荐)
|
||
|
||
```bash
|
||
cd /root/tts
|
||
./run_fish_speech_cli.sh
|
||
```
|
||
|
||
**功能**：
|
||
- ✅ 自动启动 API 服务器
|
||
- ✅ 进行语音合成
|
||
- ✅ 自动清理进程
|
||
- ✅ 显示结果信息
|
||
|
||
### 方法2: 分步执行
|
||
|
||
**终端1 - 启动服务器**：
|
||
```bash
|
||
cd /root/tts/fish-speech
|
||
python tools/api_server.py \
|
||
--llama-checkpoint-path checkpoints/fish-speech-1.5/model.pth \
|
||
--decoder-checkpoint-path checkpoints/fish-speech-1.5/firefly-gan-vq-fsq-8x1024-21hz-generator.pth \
|
||
--device cpu
|
||
```
|
||
|
||
**终端2 - 执行合成**：
|
||
```bash
|
||
cd /root/tts/fish-speech
|
||
python tools/api_client.py \
|
||
--text "我们习惯于赞美黄河之水天上来，习惯于歌颂大地的厚德载物。教科书告诉我们，河流是水循环的恩赐，大陆是漂浮在岩浆上的方舟。这是一个完美的、闭环的、温情脉脉的解释。但如果，这一切都是关于"摩擦力"的谎言呢？请试着像挤压一个注满水的海绵球一样，去想象我们脚下的这颗星球。当我们在长白山天池边，看着那并没有足够集雨面积的火山口，却日夜不息地向外喷涌出足以滋养三条大江的淡水时；当我们在巴颜卡拉山，看着那涓涓细流如何莫名其妙地在极短距离内汇聚成滔天巨浪时，我们是否应该问自己一个违背常识的问题：这些水，真的是从天上掉下来的吗？物理学告诉我们，毛细现象无法把水推向几千米的高原；简单的蒸发循环，也无法解释塔里木海那种"拔掉塞子"般的瞬间消失。这背后，一定存在一个"第一推动"。它不是温柔的渗透，它是暴力的"挤压"。" \
|
||
--reference_audio /root/tts/ben_guanquelou.wav \
|
||
--reference_text "登鹳雀楼，白日依山尽，黄河入海流。欲穷千里目，更上一层楼。" \
|
||
--output /root/tts/audio_files/my_fish_speech_output \
|
||
--no-play \
|
||
--max_new_tokens 2048 \
|
||
--chunk_length 300 \
|
||
--top_p 0.8 \
|
||
--temperature 0.8 \
|
||
--repetition_penalty 1.1
|
||
```
|
||
|
||
### 方法3: 使用 Python 脚本
|
||
|
||
```bash
|
||
cd /root/tts
|
||
python fish_speech_cli.py my_output_name
|
||
```
|
||
|
||
## 📋 参数说明
|
||
|
||
### 语音合成参数：
|
||
- `--text`: 要合成的文本内容
|
||
- `--reference_audio`: 参考音频文件路径
|
||
- `--reference_text`: 参考音频对应的文本
|
||
- `--output`: 输出文件名（不带扩展名）
|
||
- `--no-play`: 不自动播放音频
|
||
|
||
### 质量控制参数：
|
||
- `--max_new_tokens`: 最大生成token数 (默认1024，长文本用2048)
|
||
- `--chunk_length`: 分块长度 (默认200-300)
|
||
- `--top_p`: 采样参数 (0.7-0.9)
|
||
- `--temperature`: 随机性 (0.7-0.9)
|
||
- `--repetition_penalty`: 重复惩罚 (1.1-1.5)
|
||
|
||
### 格式参数：
|
||
- `--format`: 音频格式 (wav/mp3/flac，默认wav)
|
||
- `--url`: API服务器地址 (默认http://127.0.0.1:7860/v1/tts)
|
||
|
||
## 📁 文件路径
|
||
|
||
### 关键文件：
|
||
- **模型目录**: `/root/tts/fish-speech/checkpoints/fish-speech-1.5/`
|
||
- **参考音频**: `/root/tts/ben_guanquelou.wav`
|
||
- **输出目录**: `/root/tts/audio_files/`
|
||
- **一键脚本**: `/root/tts/run_fish_speech_cli.sh`
|
||
|
||
### 模型文件：
|
||
- `model.pth` (1.2GB) - 主要的语言模型
|
||
- `firefly-gan-vq-fsq-8x1024-21hz-generator.pth` (179.8MB) - 音频编码器
|
||
- `config.json` - 模型配置
|
||
- `special_tokens.json` - 特殊标记
|
||
- `tokenizer.tiktoken` - 分词器
|
||
|
||
## 🎯 目标内容
|
||
|
||
### 参考音频信息：
|
||
- **文件**: ben_guanquelou.wav
|
||
- **内容**: 登鹳雀楼，白日依山尽，黄河入海流。欲穷千里目，更上一层楼。
|
||
- **长度**: 约8秒
|
||
- **作用**: 提供音色、语调、节奏参考
|
||
|
||
### 目标文本（350字符）：
|
||
```
|
||
我们习惯于赞美黄河之水天上来，习惯于歌颂大地的厚德载物。教科书告诉我们，河流是水循环的恩赐，大陆是漂浮在岩浆上的方舟。这是一个完美的、闭环的、温情脉脉的解释。但如果，这一切都是关于"摩擦力"的谎言呢？请试着像挤压一个注满水的海绵球一样，去想象我们脚下的这颗星球。当我们在长白山天池边，看着那并没有足够集雨面积的火山口，却日夜不息地向外喷涌出足以滋养三条大江的淡水时；当我们在巴颜卡拉山，看着那涓涓细流如何莫名其妙地在极短距离内汇聚成滔天巨浪时，我们是否应该问自己一个违背常识的问题：这些水，真的是从天上掉下来的吗？物理学告诉我们，毛细现象无法把水推向几千米的高原；简单的蒸发循环，也无法解释塔里木海那种"拔掉塞子"般的瞬间消失。这背后，一定存在一个"第一推动"。它不是温柔的渗透，它是暴力的"挤压"。
|
||
```
|
||
|
||
### 预期结果：
|
||
- **音频时长**: 约30秒
|
||
- **音色**: 与参考音频相似
|
||
- **语言**: 自然流畅的普通话
|
||
- **格式**: WAV (高质量)
|
||
|
||
## 🔧 故障排除
|
||
|
||
### 常见问题：
|
||
|
||
1. **服务器启动失败**：
|
||
```bash
|
||
# 检查端口占用
|
||
netstat -tlnp | grep -E ":(7860|8080|5000)"
|
||
# 清理进程
|
||
pkill -f "api_server"
|
||
```
|
||
|
||
2. **模型加载错误**：
|
||
```bash
|
||
# 检查模型文件
|
||
ls -la /root/tts/fish-speech/checkpoints/fish-speech-1.5/
|
||
# 重新下载（如需要）
|
||
python /root/tts/fish-speech/tools/download_modelscope.py
|
||
```
|
||
|
||
3. **内存不足**：
|
||
- 使用 `--device cpu` 强制使用CPU
|
||
- 减少 `--max_new_tokens` 值
|
||
|
||
4. **音频质量差**：
|
||
- 调整 `--temperature` (0.7-0.9)
|
||
- 调整 `--top_p` (0.7-0.9)
|
||
- 增加 `--repetition_penalty` (1.2-1.5)
|
||
|
||
## 🎊 总结
|
||
|
||
✅ **概念验证已完成**：
|
||
1. Fish Speech 模型已从 Hugging Face 迁移到魔搭社区
|
||
2. 命令行接口已完整配置
|
||
3. 参考音频已准备就绪
|
||
4. 所有必要脚本已创建
|
||
5. 使用文档已完善
|
||
|
||
**你可以直接使用上述任一方法进行命令行语音合成！** |