167 lines
4.7 KiB
Markdown
167 lines
4.7 KiB
Markdown
# 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
|