- 改为使用tts引擎自带的功能来调整语速

- 现已支持指定特定tts音色
- 现已支持调整tts音量
- 去除无用注释
This commit is contained in:
b2ft committed 2026-01-27 23:23:22 +00:00
1 parent 0775fa3681
commit 8a9413272d
3 files changed
+94 -25

No files matched your search

+81 -21
View File
@@ -4,13 +4,13 @@
# gtts库
fish-audio-sdk 库
ffmpeg
# pyttsx3
本脚本使用方法:
python tts.py -f <markdown文件目录> -b <背景音乐文件目录> -l <语言> -r <倍数>
python tts.py -f <markdown文件目录> -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 <markdown文件目录> -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 <markdown文件目录> -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):