- SummerTTS 是一个独立编译的语音合成程序(TTS)。可以本地运行不需要网络,而且没有额外的依赖,一键编译完成即可用于中文语音合成。
- SummerTTS 的底层计算库使用Eigen,Eigen是一套模板定义的函数,大部分情况下,只需要包含头文件即可,所以本项目没有其他依赖,在C++环境下可以独立编译和运行。
- 本项目使用Eigen提供的矩阵库实现了神经网络的算子,不需要依赖例如pytorch,tensorflow, ncnn 等其他NN运行环境。
- 本项目在 Ubuntu 上编译运行通过,其他类Linux平台,如Android,树莓派等,也应该没啥大问题,在Window上没有测试过,可能需要少许改动。
- 本项目的模型基于语音合成算法 vits, 在其基础上进行了基于C++的工程化
-
将本项目的代码克隆到本地,最好是Ubuntu Linux 环境
-
从以下的百度网盘地址下载模型,放入本项目的model目录中:
链接: https://pan.baidu.com/s/15YivI-HfopuOfx3evZUj-g?pwd=vzjb 提取码: vzjb
模型文件放入后,models目录结构如下:
models/
├── multi_speaker_big.bin
├── multi_speaker_small.bin
├── multi_speker_medium.bin
├── single_speaker_big.bin
├── single_speaker_medium.bin
├── single_speaker_small.bin
└── single_speaker_tiny.bin -
进入Build 目录,执行以下命令:
cmake ..
make -
编译完成后,会在Build 目录中生成 tts_test 执行程序
-
运行下列命令,测试语音合成(TTS):
./tts_test ../test.txt ../models/single_speaker_small.bin out.wav该命令行中:
第一个参数为是文本文件的路径,该文件包含需要被合成语音的文本。
第二个参数是前面提到的模型的路径,文件名开头的single 和 multi 表示模型包含了单个说话人还是多个说话人。文件名结尾的big, medium, small 等分别表示模型的大小,模型越大,需要的计算量和内存越多,合成需要的时间越长,但合成的语音的质量效果越好。推荐单说话人模型:single_speaker_tiny.bin, 合成的速度较快,合成的音质也还行。大模型:single_speaker_big.bin 和 multi_speaker_big.bin 可能会非常慢。
第三个参数是合成的音频文件,程序运行完之后生成该文件,可以用播放器打开。 -
以上的测试程序实现在 test/main.cpp 中,具体合成的接口定义在 include/SynthesizerTrn.h, 如下:
int16_t * infer(const string & line, int32_t sid, float lengthScale, int32_t & dataLen)该接口的:
第一个参数是待合成的语音的字符串。
第二个参数指定说话人的id 用于合成语音,该参数对多说话人模型有效,对单说话人模型,固定为0。说话人的个数可由接口 int32_t getSpeakerNum() 返回,有效id 为 0 到 该接口返回的说话人数量减1。
第三个参数 lengthScale 表示合成语音的语速,其值越大表示语速越慢。 -
待合成的文本中可以包含阿拉伯数字和标点,但因为本项目的 文本正则化(TN) 模块还很粗糙,仅仅是将阿拉伯数字转为对应的汉字语音,并将标点符号表示为停顿,对于英文字符,会直接忽略。也因为文本正则化(TN) 模块还很粗糙,对不同语境下的多音字发音有时候会不准确。
- 后续将开放模型训练和转化脚本
- 后续也会对文本正则化(TN) 模块加强,使其更好的处理具体的数字的含义,例如日期,温度等。
- 有进一步的问题或需要可以发邮件到 [email protected] , 或添加微信: hwang_2011, 本人尽量回复。
本项目在源代码和算法方面使用了下列方案,在此表示感谢, 若可能引发任何法律问题,请及时联系我协调解决
- Eigen
- vits (https://github.com/jaywalnut310/vits)
- vits_chinese (https://github.com/UEhQZXI/vits_chinese)
- 汉字转拼音(https://github.com/yangyangwithgnu/hanz2piny)
- 本项目的单说话人模型基于开源标贝数据集训练,多说话人模型基于开源数据集 aishell3 训练