diff --git a/README.md b/README.md index d052f6c..5854762 100644 --- a/README.md +++ b/README.md @@ -6,7 +6,7 @@ - 去除markdown符号 - 文本转语音 -- 用ffmpeg设置语速 +- 用ffmpeg设置语速以及朗读音量 - 用ffmpeg为得到的语音音频添加循环背景音乐 ## 依赖 @@ -17,9 +17,18 @@ ## 使用方法 ```bash -python tts.py -f -b <背景音乐文件目录> -l <语言> -r <倍数> +python tts.py -f -b <背景音乐文件目录> -i <音色id> -r <倍数> -v <语音相对音量> -f : 后面跟着markdown文件目录,为必填项 - -b :后面跟着背景音乐文件目录,为选题项 - -r :后面跟着一个0.5~2.0的数字,可指定文本转语音的语速,为旋填项,默认为1.0 + -b :后面跟着背景音乐文件目录,为选填项 + -i : 后面跟着tts音色id,为选填项 + -r :后面跟着一个0.5~2.0的数字,可指定文本转语音的语速,为选填项,默认为1.0 + -v : 后面跟着一个数字,可指定文本转语音的相对音量,为选填项,默认为0 ``` +> 音色id可在[fish audio的网站](https://fish.audio/zh-CN/app/discovery/)上查找 + +## 示例文件 + +`example.md`:包含了一系列markdown字符的markdown文件 + +`output/example.md`:执行`python tts.py -f example.md -i 6758b6fa79384cffae6f4adea4b5cc65 -b internationale.mp3 -r 1.1 -v 2`后得到的结果 \ No newline at end of file diff --git a/output/example.mp3 b/output/example.mp3 index b6156d4..db83bb9 100644 Binary files a/output/example.mp3 and b/output/example.mp3 differ diff --git a/tts.py b/tts.py index e774faa..e5d48f3 100755 --- a/tts.py +++ b/tts.py @@ -4,13 +4,13 @@ # gtts库 fish-audio-sdk 库 ffmpeg - # pyttsx3 本脚本使用方法: -python tts.py -f -b <背景音乐文件目录> -l <语言> -r <倍数> +python tts.py -f -b <背景音乐文件目录> -i <音色id> -r <倍数> -v <语音相对音量> -f : 后面跟着markdown文件目录,为必填项 - -b :后面跟着背景音乐文件目录,为选题项 - # -l :后面跟着语言代号,可指定tts引擎用什么语言输出音频,为选填项,默认为中文 (新模型无法设定语言,所以此项作废) - -r :后面跟着一个0.5~2.0的数字,可指定文本转语音的语速,为旋填项,默认为1.0 + -b :后面跟着背景音乐文件目录,为选填项 + -i : 后面跟着tts音色id,为选填项 + -r :后面跟着一个0.5~2.0的数字,可指定文本转语音的语速,为选填项,默认为1.0 + -v : 后面跟着一个数字,可指定文本转语音的相对音量,为选填项,默认为0 """ import re import sys @@ -18,6 +18,7 @@ import os import subprocess from fishaudio import FishAudio +from fishaudio.types import TTSConfig, Prosody from fishaudio.utils import save # from gtts import gTTS # 用于测试的gtts方案 # import pyttsx3 # 本地tts方案,效果不行 @@ -32,19 +33,21 @@ def main(): # 设置参数默认值 markdown_path = "" background_path = "" - # language = "zh-CN" #(语言参数作废) - rate = 1.0 + id = "" + rate = float(1.0) + volume = float(0) - # 处理命令行输入 + # 处理命令行输入id for i , arg in enumerate(sys.argv): if arg == "-f": markdown_path = sys.argv[i + 1] if arg == "-b": background_path = sys.argv[i + 1] - # if arg == "-l": language = sys.argv[i + 1] #(语言参数作废) + if arg == "-i": id = sys.argv[i + 1] if arg == "-r": rate = float(sys.argv[i + 1]) + if arg == "-v": volume = float(sys.argv[i + 1]) # 处理输入不规范的情况 if markdown_path == "": - print("本脚本使用方法:\npython tts.py -f -b <背景音乐文件目录> -r <倍数>\n\t-f : 后面跟着markdown文件目录,为必填项\n\t-b :后面跟着背景音乐文件目录,为选题项\n\t-r :后面跟着一个0.5~2.0的数字,可指定文本转语音的语速,为旋填项,默认为1.0\n") + print("本脚本使用方法:\npython tts.py -f -b <背景音乐文件目录> -i <音色id> -r <倍数> -v <语音相对音量>\n\t-f : 后面跟着markdown文件目录,为必填项\n\t-b :后面跟着背景音乐文件目录,为选填项\n\t-i : 后面跟着tts音色id,为选填项\n\t-r :后面跟着一个0.5~2.0的数字,可指定文本转语音的语速,为选填项,默认为1.0\n\t-v : 后面跟着一个数字,可指定文本转语音的相对音量,为选填项,默认为0\n") return # 创建必要的文件夹 @@ -52,7 +55,7 @@ def main(): # 生成文件 print("生成中...") - cod = generate_mp3(markdown_path, background_path, rate) + cod = generate_mp3(markdown_path, background_path, id, rate, volume) if cod != -1: print("完成") @@ -75,14 +78,15 @@ def create_necessary_dir(): -def generate_mp3(markdown_path, background_path="", rate=1.0): # (语言参数作废) +def generate_mp3(markdown_path, background_path="", id = "", rate=1.0, volume=0.0): """ 在./output目录下生成(经过处理后的)markdown朗读音频 Args: markdown_path(str): markdown文件路径 background_path(str):背景音乐路径,若为空字符串则不会尝试添加背景音乐 - rate(float):tts语数,范围为0.5~2.0 + id(str):tts音色id,若为空则默认 + rate(float):tts语速,范围为0.5~2.0 """ # 去除markdown文件中的符号后将其转化为音频 @@ -106,15 +110,22 @@ def generate_mp3(markdown_path, background_path="", rate=1.0): # (语言参 # 生成tts音频 print("正在生成文本转语音音频...") - generate_tts(text, temp_path) + generate_tts(text, temp_path, id, rate) print("语音音频生成完毕") - # 若倍数不为1,则用ffmpeg调整tts倍数 - if rate != 1.0: - print("正在调整朗读文本速度...") - cod = made_in_heaven(temp_path, rate) - if cod != -1: print("朗读速度调整完毕") + # 新模型自带调整语速功能,没必要用ffmpeg调整语速 +# # 若倍数不为1,则用ffmpeg调整tts倍数 +# if rate != 1.0: +# print("正在调整朗读文本速度...") +# cod = made_in_heaven(temp_path, rate) +# if cod != -1: print("朗读速度调整完毕") + + # 若相对音量不为0,则用ffmpeg调整tts音量 + if volume != 0: + print("正在调整朗读音量...") + cod = adjust_volume(temp_path, volume) + if cod != -1: print("朗读音量调整完毕") # 若背景音乐路径不为空,则用ffmpeg添加背景音乐 if background_path != "": print("正在添加背景音乐...") @@ -185,13 +196,16 @@ def extract_text_from_markdown(content): -def generate_tts(text, output): # (语言参数作废) +def generate_tts(text, output, id="", rate=1.0): """ 将输入的文本转换成音频输出 Args: text(str):输入的文本 output(str):输出的文件的路径 + id(str):tts音色id + rate(float):tts语速 + volume(float):tts相对音量 """ apikey = "" # 请在""内输入你的api key @@ -200,8 +214,19 @@ def generate_tts(text, output): # (语言参数作废) apikey = input("请输入你的api key:") # 使用fish speech服务(需要API KEY)将文本转换为语音 + client = FishAudio(api_key = apikey) - audio = client.tts.convert(text = text) + # 由于该tts自带的音量调整有问题,因此本脚本不用它来调整tts音量 + if id == "": + config = TTSConfig( + prosody=Prosody(speed=rate, volume=0) + ) + else: + config = TTSConfig( + prosody=Prosody(speed=rate, volume=0), + reference_id=id, + ) + audio = client.tts.convert(text = text, config = config) save(audio, output) @@ -257,8 +282,41 @@ def made_in_heaven(path, rate): # 删除输入文件 os.remove(input_path) + + return 0 +def adjust_volume(path, volume): + """ + 调整输入音频的音量 + + Args: + path(str):待处理音频的路径,同时也是处理后音频的路径 + volume(float):相对音量 + """ + + # 确保已经安装了ffmpeg + if not check_ffmpeg(): + print("错误:需要安装ffmpeg") + return -1 + + # 利用ffmpeg将调整输入文件的音量,输出到重命名前的路径(这么别扭的原因是ffmpeg不支持输入文件和输出文件的路径完全相同) + input_path = "./temp/" + os.path.splitext(os.path.basename(path))[0] + "_volume.mp3" + cmd = [ + 'ffmpeg', + '-i', str(input_path), + '-af', 'volume=' + str(volume) + 'dB', + str(path) + ] + # 重命名输入文件 + os.rename(path, input_path) + + subprocess.run(cmd) + + # 删除输入文件 + os.remove(input_path) + + return 0 @@ -303,6 +361,8 @@ def add_bg(path, bg_path): # 删除输入文件 os.remove(input_path) + return 0 + def get_audio_duration(audio_path):