1、在release中下载zip包，解压之
2、打开Mio-TTS.exe
3、在右上方Mods模块中选择模型
4、在下方执行模块输入框中输入要转换的文字，支持Symbol中的字符，
换行为批量转换的分句符号。
5、点击开始合成，即可开始合成语音，等待进度完成后，可以在右上方
播放器预览，也可以在右上方直接保存。
6、可以使用命令行启动：（仅1.X版本）
Shell：& '.\Tacotron inside.exe' "ModDir" "InputText." "outputDir" "Symbol"
CMD："Tacotron inside.exe" "ModDir" "InputText." "outputDir" "Symbol"
其中ModDir为"模型路径\\模型名" 如预置模型的"Mods\\Shiroha\\Shiroha"
InputText为需要转换的文字（仅支持空格逗号句号以及字母）
outputDir为输出文件名（不是路径，是文件名，不需要加后缀）
Symbol见下文
输出文件默认在tmpDir中

本软件标准化了模型读取模块，模型保存在Mods文件夹下的子文件夹中
********.mod文件用于声明模型路径以及其显示名称，以我的预置模型
为例（Shiroha.mod）
- Folder:Shiroha         路径名称即该文件夹下的Shiroha子文件夹
- Name:鸣濑白羽                                 Mod显示名称
- Type:Tacotron2         Mod项目名（见下文“支持的model项目”）
- Symbol:_-!'(),.:;? ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklm
  nopqrstuvwxyz                         Symbol（设置见下文）
- Cleaner:characters_cleaner                Cleaner（详见下文）
- 角色名1                    这里往下的只有VITS多角色需要设定
- 角色名2
- 角色名n

Tacotron2：
详见 下文
Hifigan：
导入你的Hifigan模型
在Python中使用如下代码：
torch.onnx.export(generator, mel_outputs.float(), "hifigan.onnx",
                      opset_version=opset_version,
                     do_constant_folding=True,
                      input_names=["x"],
                      output_names=["audio"],
                      dynamic_axes={"x":   {0: "batch_size", 2: "mel_seq"},
                                    "audio": {0: "batch_size", 2: "audio_seq"}})
至于VITS的模型，可以在Issue提交分享地址，我帮忙做（Tac的也可以）

${xxx}是什么意思大家都知道吧（）里面的变量详见“模型导入”
Tacotron2：
    需要在Mod文件夹中加入 
    ${Mdid}_decoder_iter.onnx 
    ${Mdid}_encoder.onnx
    ${Mdid}_postnet.onnx
VITS_LJS:    //单角色VITS
    ${Mdid}_solo.pt（Jit模型） 
VITS_VCTK:   //多角色VITS
    ${Mdid}_mul.pt（Jit模型）

Symb:_-!'(),.:;? ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz
打开你训练模型的项目，打开text\symbol.py，如图

Cleaner请放置于根目录的Cleaners文件夹内，应该是一个可执行
程序（.exe）
Cleaner的程序编写语言不限，但执行参数必须为C++执行参数标准
的argv（可以使用控制台 "xxx.exe" "input_str"）这种格式执行
执行参数只接受一个（输入的文本，可以是UTF16和UTF32字符）
输出只有一个（标准控制台输出）也就是经过Cleaner处理后的文本。
在前文中需要设定的cleaner，即为此exe的文件名（不带路径拓展名）