diff --git a/GPT_SoVITS/inference_webui.py b/GPT_SoVITS/inference_webui.py index cc79817f..47012d9a 100644 --- a/GPT_SoVITS/inference_webui.py +++ b/GPT_SoVITS/inference_webui.py @@ -17,6 +17,8 @@ logging.getLogger("charset_normalizer").setLevel(logging.ERROR) logging.getLogger("torchaudio._extension").setLevel(logging.ERROR) import pdb import torch +import shutil +from scipy.io import wavfile if os.path.exists("./gweight.txt"): with open("./gweight.txt", 'r', encoding="utf-8") as file: @@ -312,7 +314,7 @@ def merge_short_text_in_array(texts, threshold): result[len(result) - 1] += text return result -def get_tts_wav(ref_wav_path, prompt_text, prompt_language, text, text_language, how_to_cut=i18n("不切"), top_k=20, top_p=0.6, temperature=0.6, ref_free = False): +def get_tts_wav(ref_wav_path, prompt_text, prompt_language, text, text_language, how_to_cut=i18n("不切"), top_k=20, top_p=0.6, temperature=0.6, interval=0.3, ref_free = False): if prompt_text is None or len(prompt_text) == 0: ref_free = True t0 = ttime() @@ -328,7 +330,7 @@ def get_tts_wav(ref_wav_path, prompt_text, prompt_language, text, text_language, print(i18n("实际输入的目标文本:"), text) zero_wav = np.zeros( - int(hps.data.sampling_rate * 0.3), + int(hps.data.sampling_rate * interval), dtype=np.float16 if is_half == True else np.float32, ) if not ref_free: @@ -436,7 +438,17 @@ def get_tts_wav(ref_wav_path, prompt_text, prompt_language, text, text_language, yield hps.data.sampling_rate, (np.concatenate(audio_opt, 0) * 32768).astype( np.int16 ) + # 指定保存音频的文件路径 + file_path = 'moys/temp/audio.wav' + # 调用保存音频的函数 + save_audio(hps.data.sampling_rate, np.concatenate(audio_opt, 0), file_path) + +# 保存音频数据到文件 +def save_audio(sampling_rate, audio_data, file_path): + # 确保音频数据是16位PCM格式 + audio_data = np.int16(audio_data / np.max(np.abs(audio_data)) * 32767) + wavfile.write(file_path, sampling_rate, audio_data) def split(todo_text): todo_text = todo_text.replace("……", "。").replace("——", "，") @@ -584,6 +596,135 @@ def get_weights_names(): return SoVITS_names, GPT_names +def save_model_config(GPT_dropdown, SoVITS_dropdown, inp_ref, prompt_text, prompt_language): + config_dir = "moys" + config_dir1 = r"moys\audio" + if not os.path.exists(config_dir): + os.makedirs(config_dir) + + # 复制参考音频文件到配置目录 + copy_ref_audio_path = os.path.join(config_dir1, os.path.basename(inp_ref)) + shutil.copy(inp_ref, copy_ref_audio_path) + + gpt_model_name = os.path.basename(GPT_dropdown).split('-')[0] + config_file_path = os.path.join(config_dir, f"{gpt_model_name}.txt") + + with open(config_file_path, 'w', encoding='utf-8') as f: + f.write(f"GPT_model_path={GPT_dropdown}\n") + f.write(f"SoVITS_model_path={SoVITS_dropdown}\n") + f.write(f"ref_audio_path={copy_ref_audio_path}\n") # 修改写入的路径为复制文件的路径 + f.write(f"ref_text={prompt_text}\n") + f.write(f"ref_audio_language={prompt_language}\n") + + return f"Configuration saved to {config_file_path}" + +def load_model_config(config_file_name): + config_dir = "moys" + # 因为 config_file_name 现在是字符串，我们直接使用它来构造文件路径 + config_file_path = os.path.join(config_dir, config_file_name) + + with open(config_file_path, 'r', encoding='utf-8') as f: + lines = f.readlines() + + config = {} + for line in lines: + key, value = line.strip().split('=') + config[key] = value + + # 返回一个包含所有组件期望值的字典 + return ( + config["GPT_model_path"], + config["SoVITS_model_path"], + config["ref_audio_path"], + config["ref_text"], + config["ref_audio_language"] + ) +def refresh_config_files(): + # 获取最新的配置文件列表 + config_files = get_config_files() + # 创建一个新的文件名列表，只包含文件名 + config_file_names = [os.path.basename(path) for path in config_files] + + # 返回一个更新的配置，告诉 Gradio 更新下拉菜单的选项 + return {"choices": config_file_names, "__type__": "update"} + + + + # 辅助函数，用于处理 load_model_config 函数的输出 +def handle_load_model_config(config_file_name, GPT_dropdown, SoVITS_dropdown, inp_ref, prompt_text, prompt_language): + # 调用原始函数获取配置 + config = load_model_config(config_file_name) + + # 更新组件的值 + GPT_dropdown.update(value=config.get("GPT_model_path")) + SoVITS_dropdown.update(value=config.get("SoVITS_model_path")) + inp_ref.update(value=config.get("ref_audio_path")) + prompt_text.update(value=config.get("ref_text")) + prompt_language.update(value=config.get("ref_audio_language")) + +def get_config_files(): + config_dir = "moys" + if not os.path.exists(config_dir): + return [] + + return [os.path.join(config_dir, f) for f in os.listdir(config_dir) if f.endswith('.txt')] + +def echo(input_text): + # 直接返回输入的文本 + return input_text + + +def find_latest_wav(source_dir, dest_dir): + # 确保目标文件夹存在 + if not os.path.exists(dest_dir): + os.makedirs(dest_dir) + + # 初始化找到的wav文件路径 + wav_file_path = None + + # 遍历源文件夹 + for root, dirs, files in os.walk(source_dir): + for file in files: + if file.lower().endswith('.wav'): + wav_file_path = os.path.join(root, file) + # 找到第一个wav文件就退出循环 + break + if wav_file_path: + break # 确保找到文件后不再继续遍历 + + # 如果找到了wav文件，复制到目标文件夹 + if wav_file_path: + base_name = os.path.basename(wav_file_path) + file_name, file_ext = os.path.splitext(base_name) + dest_file_path = os.path.join(dest_dir, base_name) + + # 检查目标文件夹中是否存在同名文件，并添加后缀以避免覆盖 + counter = 1 + while os.path.exists(dest_file_path): + new_name = f"{file_name}({counter}){file_ext}" + dest_file_path = os.path.join(dest_dir, new_name) + counter += 1 + # 复制文件 + shutil.copy2(wav_file_path, dest_file_path) + print(f"Copied WAV file to {dest_file_path}") + return dest_file_path # 返回复制的文件路径 + else: + print("No WAV files found.") + return None # 没有找到 WAV 文件时返回 None + + + + +def on_download_click(textq_value): + source_directory = r'moys/temp' # 源文件夹路径 + destination_directory = textq_value + # outputs.update_value(f"开始查找最新的WAV文件...") + + result = find_latest_wav(source_directory, destination_directory) # 调用函数 + # outputs.update_value(f"已保存到: {destination_directory}") + return f"{result}已保存到: {destination_directory}" + + SoVITS_names, GPT_names = get_weights_names() with gr.Blocks(title="GPT-SoVITS WebUI") as app: @@ -626,15 +767,69 @@ with gr.Blocks(title="GPT-SoVITS WebUI") as app: top_k = gr.Slider(minimum=1,maximum=100,step=1,label=i18n("top_k"),value=5,interactive=True) top_p = gr.Slider(minimum=0,maximum=1,step=0.05,label=i18n("top_p"),value=1,interactive=True) temperature = gr.Slider(minimum=0,maximum=1,step=0.05,label=i18n("temperature"),value=1,interactive=True) + interval = gr.Slider(minimum=0,maximum=5,step=0.02,label=i18n("interval"),value=0.3,interactive=True) inference_button = gr.Button(i18n("合成语音"), variant="primary") output = gr.Audio(label=i18n("输出的语音")) + with gr.Row(): + # 创建文本框和下载按钮 + download_button = gr.Button("下载语音", variant="primary") + textq = gr.Textbox(label="保存的语音路径", value="") + outputs0 = gr.Textbox(label=i18n("保存状态"), value="", interactive=False) + # 将事件处理函数绑定到按钮的点击事件 + download_button.click( + on_download_click, + inputs=[textq], # 这里确保 textq 是正确的组件引用 + outputs=[outputs0] # 这里确保 outputs 是正确的组件引用 + ) + inference_button.click( get_tts_wav, - [inp_ref, prompt_text, prompt_language, text, text_language, how_to_cut, top_k, top_p, temperature, ref_text_free], + [inp_ref, prompt_text, prompt_language, text, text_language, how_to_cut, top_k, top_p, temperature, interval, ref_text_free], [output], ) + # Add new UI elements for saving and loading configurations + with gr.Row(): + + # 初始加载配置文件列表 + config_files = get_config_files() + # 创建一个新的列表，只包含文件名 + config_file_names = [os.path.basename(path) for path in config_files] + + # 使用文件名列表作为 Dropdown 组件的选项 + config_dropdown = gr.Dropdown( + label=i18n("加载模型配置"), + choices=config_file_names, + value=config_file_names[0] if config_file_names else None + ) + + # Output textbox for displaying save confirmation + save_output = gr.Textbox(label=i18n("保存配置状态"), value="", interactive=False) + + # 绑定刷新按钮的点击事件 + refresh_button = gr.Button(i18n("刷新配置文件列表"), variant="primary") + refresh_button.click( + fn=refresh_config_files, # 使用新创建的 refresh_config_files 函数 + inputs=[], # 刷新按钮不需要输入 + outputs=[config_dropdown] # 指定输出为 config_dropdown 组件，以更新其选项 + ) + + # 绑定保存按钮的点击事件 + save_button = gr.Button(i18n("保存模型配置"), variant="primary") + save_button.click( + fn=save_model_config, + inputs=[GPT_dropdown, SoVITS_dropdown, inp_ref, prompt_text, prompt_language], + outputs=[save_output] + ) + + # 绑定加载按钮的点击事件 + load_button = gr.Button(i18n("加载模型配置"), variant="primary") + load_button.click( + fn=load_model_config, # 直接使用 load_model_config 函数 + inputs=[config_dropdown], # config_dropdown 组件本身作为输入 + outputs=[GPT_dropdown, SoVITS_dropdown, inp_ref, prompt_text, prompt_language] # 期望更新的组件列表 + ) gr.Markdown(value=i18n("文本切分工具。太长的文本合成出来效果不一定好，所以太长建议先切。合成会根据文本的换行分开合成再拼起来。")) with gr.Row(): text_inp = gr.Textbox(label=i18n("需要合成的切分前文本"), value="") @@ -643,12 +838,14 @@ with gr.Blocks(title="GPT-SoVITS WebUI") as app: button3 = gr.Button(i18n("按中文句号。切"), variant="primary") button4 = gr.Button(i18n("按英文句号.切"), variant="primary") button5 = gr.Button(i18n("按标点符号切"), variant="primary") + button6 = gr.Button(i18n("推送"), variant="primary") text_opt = gr.Textbox(label=i18n("切分后文本"), value="") button1.click(cut1, [text_inp], [text_opt]) button2.click(cut2, [text_inp], [text_opt]) button3.click(cut3, [text_inp], [text_opt]) button4.click(cut4, [text_inp], [text_opt]) button5.click(cut5, [text_inp], [text_opt]) + button6.click(echo, [text_opt], [text]) gr.Markdown(value=i18n("后续将支持转音素、手工修改音素、语音合成分步执行。")) if __name__ == '__main__':