文本转语音

本说明是推理部分，训练文档请见这里

1 环境

1.1 如果离线使用

• conda虚拟环境

  conda create -n vits python=3.10
  conda activate vits

• CUDA 11.8

• pytorch

  pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

• 进入kuontts.offline文件夹安装软件包

  pip install -r requirements.txt
  

  在windows上matplotlib会报错：

  ERROR: Could not build wheels for matplotlib, which is required to install pyproject.toml-based projects
  

  在requirements.txt中移除matplotlib==3.3.1,然后去这里下载对于的包后手动安装

• 安装monotonic align

  cd ./kuontts/monotonic_align
  mkdir monotonic_align
  python setup.py build_ext --inplace
  

  如果是windows上则将build文件夹中的core.cp310-win_amd64.pyd复制到monotonic_align/monotonic_align中

1.2 如果是在线使用

客户端部分只需要

• requests
• numpy
• yaml

服务端部分请还是根据上面的离线环境安装

2 使用

2.1 导入模型

离线使用或者部署服务需要下载模型，放置到kuontts/offline/OUTPUT_MODEL文件夹中，如果不放在这里则需要在使用OfflineTTS时传入地址，包含config.json和G_latest.pth两个文件。

2.2 离线使用

修改kuontts中的配置文件config.yaml

channel : offline

使用示例参考example.py，或者直接运行，在同级目录生成示例音频

2.3 服务部署

端口直接在api.py中修改，然后

python api.py

还有在代码中如果需要选择GPU，则修改

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

2.4 在线使用

也就是调用接口请求了上面部署的服务，修改kuontts中的配置文件config.yaml

channel : online
api_url: "填入接口地址"

接口：

• 接口地址：http://127.0.0.1:20004/tts/convert
• 请求方法： POST
• 接口描述：问答
• 请求头
  • Content-Type: application/json
  • (暂时没有) Authorization: Bearer qmdr-xxxx
• 请求参数：
  • test (string): 需要转化的文本
  • language (string): 文本语言
  • speed (float): 语言速度
  • speaker(string):模型中的角色

3 其他

offline在kuontts/offline/text/mandarin.py中设置了

jieba.setLogLevel(logging.INFO)

以取消显示下列内容

Building prefix dict from the default dictionary ...
DEBUG:jieba:Building prefix dict from the default dictionary ...
Loading model from cache /tmp/jieba.cache
DEBUG:jieba:Loading model from cache /tmp/jieba.cache
Loading model cost 0.586 seconds.
DEBUG:jieba:Loading model cost 0.586 seconds.
Prefix dict has been built successfully.
DEBUG:jieba:Prefix dict has been built successfully.