自定义v4

api_v4.py

@@ -0,0 +1,90 @@
+from io import BytesIO
+from GPT_SoVITS.TTS_infer_pack.TTS import TTS, TTS_Config
+import numpy as np
+import soundfile as sf
+from flask import Flask, request, jsonify
+
+app = Flask(__name__)
+tts_config_cache = {}  # 缓存 TTS_Config 对象
+
+def get_tts_config(tts_infer_yaml_path):
+    if tts_infer_yaml_path not in tts_config_cache:
+        print(f"从缓存中获取: {tts_infer_yaml_path}")
+        tts_config_cache[tts_infer_yaml_path] = TTS_Config(tts_infer_yaml_path)
+    return tts_config_cache[tts_infer_yaml_path]
+
+def tts_handle(req: dict):
+    # 打印传入的配置信息
+    print(f"传入的配置是: {req}")
+    # 保存到本地的音频
+    output_file = req.get("output_file", "generated_audio.wav")
+    # 从传入的配置中获取所需的媒体类型，若未提供则默认为wav格式
+    media_type = req.get("media_type", "wav")
+    # 从传入的配置中获取TTS推理配置文件的路径，若未提供则默认为"GPT_SoVITS/configs/tts_infer.yaml"
+    tts_infer_yaml_path = req.get("tts_infer_yaml_path", "GPT_SoVITS/configs/tts_infer.yaml")
+    # 根据提供的配置文件路径创建TTS配置对象
+    tts_config = get_tts_config(tts_infer_yaml_path)
+
+    try:
+        # 使用创建的TTS配置对象初始化TTS类的实例
+        tts_instance = TTS(tts_config)
+        # 使用初始化的TTS实例处理输入请求，生成音频数据
+        tts_generator = tts_instance.run(req)
+        # 获取生成的音频数据和采样率
+        sr, audio_data = next(tts_generator)
+        # 保存音频到本地文件
+        sf.write(output_file, audio_data, sr)
+        print(f"音频已保存到: {output_file}")
+        return {
+            "path": output_file,
+            "success": 1,
+            "msg": "制作成功!"
+        }
+    except Exception as e:
+        # 如果在处理请求过程中发生异常，打印错误信息并返回一个空响应对象
+        print(f"生成失败: {str(e)}")
+        return {
+            "path": output_file,
+            "success": 0,
+            "msg": str(e)
+        }
+
+@app.route('/make', methods=['GET','POST'])
+def hello():
+    json = request.json
+    text = json.get('text', '求仙问卜,不如自己做主,念佛诵经,不如本事在身。')
+    ref_audio_path = json.get('ref_audio_path', 'demo.wav')
+    prompt_text = json.get('prompt_text', '')
+    text_split_method = json.get('text_split_method', 'cut2')
+    speed_factor = json.get('speed_factor', 1.15)
+    output_file = json.get('output_file', 'generated_audio.wav')
+    yaml_path = json.get('yaml_path', 'GPT_SoVITS/configs/wukong.yaml')
+    result = tts_handle({
+        "text": text, # 待合成的文本内容
+        "text_lang": "zh", #待合成文本的语言。
+        "ref_audio_path": ref_audio_path, #参考音频的路径。
+        "aux_ref_audio_paths": [], #辅助参考音频路径列
+        "prompt_text": prompt_text, #参考音频的提示文本
+        "prompt_lang": "zh", #参考音频提示文本的语言。
+        "top_k": 5, #顶K采样值，用于控制生成文本的多样性。
+        "top_p": 1, #顶P采样值，同样用于控制生成文本的多样性。
+        "temperature": 1, #采样时的温度参数，影响生成的随机性。
+        "text_split_method": text_split_method, #文本分割方法
+        "output_file": output_file, # 保存到本地的文件
+        "batch_size": 1, #推理时的批量大小。
+        "batch_threshold": 1, #批量分割的阈值。
+        "speed_factor": float(speed_factor), #控制合成音频的播放速度。。
+        "split_bucket": True, #是是否将批量数据分割成多个桶进行处理。
+        "fragment_interval": 0.3, #控制音频片段的间隔时间。 。
+        "seed": -1, #随机种子，用于保证结果的可复现性。
+        "media_type": "wav",
+        "streaming_mode": False,
+        "parallel_infer": True, #是否使用并行推理。
+        "repetition_penalty": 1.35, #T2S模型中的重复惩罚参数，用于减少文本中重复词语的生成。
+        "tts_infer_yaml_path": yaml_path
+    })
+    print(f"生成结果: {result}")
+    return jsonify(result)
+
+if __name__ == '__main__':
+    app.run(debug=False,host="0.0.0.0", port=5001)