Files
tts-plus/README.md
T
2026-07-26 16:49:38 +08:00

4.5 KiB
Raw Blame History

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:

python main.py txt_to_xml [OPTIONS] INPUT_TXT OUTPUT_XML

示例:

# 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:

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:

# 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:

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:

# 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:

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:

# 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:

python main.py pretty [OPTIONS] INPUT_FILE OUTPUT_FILE

示例:

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:

python main.py transform [OPTIONS] INPUT_FILE OUTPUT_FILE

示例:

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。

<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。