Files
2026-07-26 16:49:38 +08:00

152 lines
4.5 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# TTS-Plus: 强大且灵活的命令行文本转语音工具集
TTS-Plus 是一个基于 Python 的命令行工具集,旨在提供从文本到最终音频作品的全套解决方案。它不仅仅是一个简单的文本转语音(TTS)工具,更提供了一系列强大的功能,如自动角色分配、音频合并、背景音乐添加和音频美化等。
##核心功能
- **智能文本分析**: 利用大型语言模型(通过 Ollama)将纯文本转换为带有角色分配的结构化 XML,实现多人对话的语音合成。
- **多后端支持**: 支持多种TTS后端,如 `CrispASR` 和 `QTR`(WebSocket)。
- **音频后期处理**:
- 将合成的音频片段无缝合并成单个文件。
- 轻松添加和混合背景音乐,并控制其音量。
- 自动移除音频开头和结尾的多余静音。
- **灵活的格式转换**: 支持 `wav` 和 `mp3` 格式的输出和转换。
- **高度可定制**: 所有命令和选项都提供了丰富的参数,以满足各种复杂需求。
## 工作流程
一个典型的使用流程如下:
1. **准备文稿**: 创建一个纯文本 (`.txt`) 文件作为你的原始文稿。
2. **文本到XML**: 使用 `txt_to_xml` 命令将文稿转换为结构化的XML文件。此步骤会自动为文本分配不同的旁白和角色。
3. **合成语音**: 使用 `say` 命令读取XML文件,为每个文本片段生成对应的语音文件,并存放在指定目录中。
4. **合并音频**: 使用 `combine` 命令将所有语音片段合并成一个完整的音频文件。
5. **添加BGM**: (可选) 使用 `add_bgms` 命令为你的作品添加背景音乐。
6. **音频美化**: (可选) 使用 `pretty` 命令来修剪音频,使其更加精致。
## 命令参考
### 1. `txt_to_xml`
将纯文本文件转换为带有角色标签的XML文件。
**用法**:
```bash
python main.py txt_to_xml [OPTIONS] INPUT_TXT OUTPUT_XML
```
**示例**:
```bash
# 使用默认的Ollama模型进行转换
python main.py txt_to_xml my_script.txt my_script.xml
# 指定模型
python main.py txt_to_xml my_script.txt my_script.xml --model "qwen:7b"
```
### 2. `say`
从结构化输入文件(如 `txt_to_xml` 生成的XML)合成语音。
**用法**:
```bash
python main.py say [OPTIONS] INPUT_FILE
```
**核心选项**:
- `--backend`: 选择TTS后端 (`crispasr` 或 `qtr`)。
- `--output-dir`: 指定语音片段的输出目录。
- `--strict`: 严格解析模式,只保留中文、英文和数字。
- `--split-length`: 发送到后端的每个文本块的最大长度。
**示例**:
```bash
# 从 my_script.xml 合成语音,并输出到 ./outputs 目录
python main.py say my_script.xml --output-dir ./outputs
```
### 3. `combine`
将目录中的多个 `.wav` 文件合并成一个音频文件。
**用法**:
```bash
python main.py combine [OPTIONS] INPUT_DIR OUTPUT_FILE
```
**核心选项**:
- `--add-silence`: 在合并的片段之间添加静音(秒)。
- `--format`: 输出格式 (`wav` 或 `mp3`)。
**示例**:
```bash
# 将 ./outputs 目录中的所有wav文件合并成 final.mp3
python main.py combine ./outputs final.mp3 --format mp3 --add-silence 0.2
```
### 4. `add_bgms`
为音频文件添加背景音乐。
**用法**:
```bash
python main.py add_bgms [OPTIONS] INPUT_FILE OUTPUT_FILE
```
**核心选项**:
- `--bgm-dir`: 背景音乐文件所在的目录。
- `--bgm-volume`: 背景音乐的音量 (dB)。负值表示降低音量。
- `--mp3-bitrate`: 输出MP3时的比特率 (如 `64k`, `128k`)。
**示例**:
```bash
# 为 final.mp3 添加背景音乐,并输出为 final_with_bgm.mp3
python main.py add_bgms final.mp3 final_with_bgm.mp3 --bgm-dir ./bgms --bgm-volume -12
```
### 5. `pretty`
移除音频文件开头和结尾的静音。语音合成模型在量化后可能会产生一些静音片段,去掉后能增强连续性。
**用法**:
```bash
python main.py pretty [OPTIONS] INPUT_FILE OUTPUT_FILE
```
**示例**:
```bash
python main.py pretty final_audio.wav final_audio_trimmed.wav
```
### 6. `transform`
将 `.wav` 文件转换为 `.mp3` 文件。
**用法**:
```bash
python main.py transform [OPTIONS] INPUT_FILE OUTPUT_FILE
```
**示例**:
```bash
python main.py transform final_audio.wav final_audio.mp3
```
## 输入文件格式示例
`say` 命令期望一种简单的类XML格式来定义角色和要说的文本。
```xml
<speak voice="serena">
这是故事的开头。
</speak>
<speak voice="eric">
你好,我是eric。
</speak>
<speak voice="bob">
你好,我是bob。
</speak>
```
你可以手动创建这个文件,或者使用 `txt_to_xml` 命令从纯文本自动生成。