mirror of
https://github.com/RVC-Boss/GPT-SoVITS.git
synced 2025-10-06 14:40:00 +08:00
92 lines
4.1 KiB
Python
92 lines
4.1 KiB
Python
# coding=utf-8
|
||
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):
|
||
return TTS_Config(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}")
|
||
tts_instance.stop()
|
||
tts_instance.empty_cache()
|
||
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('/', methods=['GET','POST'])
|
||
def hello():
|
||
json = request.json
|
||
text = json.get('text', '早知他来，我就不来了')
|
||
ref_audio_path = json.get('ref_audio_path', 'example/model-dali.mp3')
|
||
prompt_text = json.get('prompt_text', '')
|
||
aux_ref_audio = json.get('aux_ref_audio', [])
|
||
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/daiyu.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": aux_ref_audio, # 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": 20, # 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)
|