File size: 4,311 Bytes
7e9192a |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 |
# 官方配置对齐说明
## 📋 概述
本部署配置基于 [High-Logic/Genie](https://github.com/High-Logic/Genie) 官方仓库进行对齐，确保与上游项目保持一致性。
## 🔍 官方仓库分析
### Docker 配置分析
从官方 `Docker/Dockerfile` 发现：
```dockerfile
# Use official Python image
FROM python:3.12-slim
# Install system dependencies needed by PyAudio
RUN apt-get update && apt-get install -y \
portaudio19-dev \
python3-dev \
build-essential \
&& rm -rf /var/lib/apt/lists/*
# Install Python dependencies
RUN pip install --no-cache-dir -r requirements.txt
```
### 核心依赖
从官方源码分析得出的核心依赖：
- `genie-tts`: 官方包
- `soundfile`: 音频文件读写
- `soxr`: 高质量音频重采样
- `onnxruntime`: ONNX 模型推理
- `huggingface_hub`: 模型下载
- `rich`: 日志输出
- `pyopenjtalk`: 日语文本处理
### API 使用方式
官方 API 调用方式：
```python
import genie_tts as genie
# 1. 加载预定义角色
genie.load_predefined_character('misono_mika')
# 2. TTS 合成
genie.tts(
character_name='misono_mika',
text='どうしようかな……やっぱりやりたいかも……！',
play=True,
split_sentence=True,
save_path="output.wav"
)
```
### 环境变量配置
官方推荐的环境变量：
```python
# HuBERT 模型路径（可选）
os.environ['HUBERT_MODEL_PATH'] = r"C:\path\to\chinese-hubert-base.onnx"
# Open JTalk 字典路径（可选）
os.environ['OPEN_JTALK_DICT_DIR'] = r"C:\path\to\open_jtalk_dic_utf_8-1.11"
# 缓存配置（可选）
os.environ['Max_Cached_Character_Models'] = '3'
os.environ['Max_Cached_Reference_Audio'] = '10'
```
## 🔄 我们的对齐方案
### 1. 依赖配置对齐
**更新前（问题）：**
- 包含了非必需的 `torch`, `torchaudio`
- 缺少 `soxr` 高质量音频处理库
- 缺少官方核心包 `genie-tts`
**更新后（对齐）：**
```txt
# 核心TTS引擎 - 官方Genie包
genie-tts>=1.0.0
# 音频处理库（来自官方源码）
soundfile>=0.12.0
soxr>=0.3.0
scipy>=1.9.0
librosa>=0.10.0
# ONNX运行时（与官方对齐）
onnxruntime>=1.16.0
# 日语文本处理（官方要求）
pyopenjtalk
# 日志输出（与官方对齐）
rich>=12.0.0
```
### 2. API 调用对齐
**更新前：**
- 复杂的模型管理逻辑
- 自定义缓存处理
**更新后：**
```python
# 直接使用官方API
genie.load_predefined_character(character_name)
genie.tts(
character_name=character_name,
text=processed_text,
play=False,
split_sentence=True,
save_path=output_path
)
```
### 3. 环境变量对齐
```python
# 基于官方文档设置环境变量
os.environ["HF_HUB_ENABLE_PROGRESS_BAR"] = "1"
os.environ["TOKENIZERS_PARALLELISM"] = "false"
# 可选的官方配置（注释形式）
# os.environ['HUBERT_MODEL_PATH'] = r"path/to/chinese-hubert-base.onnx"
# os.environ['OPEN_JTALK_DICT_DIR'] = r"path/to/open_jtalk_dic_utf_8-1.11"
# os.environ['Max_Cached_Character_Models'] = '3'
# os.environ['Max_Cached_Reference_Audio'] = '10'
```
## 🚀 PyAudio 问题解决
### 官方 Docker 处理方式
官方 Docker 通过系统级依赖解决：
```dockerfile
RUN apt-get install -y portaudio19-dev python3-dev build-essential
```
### Hugging Face Spaces 适配
由于 HF Spaces 限制，我们采用：
1. **移除 PyAudio**：避免编译错误
2. **Web 音频播放**：通过 Gradio 界面播放
3. **备注说明**：清楚标注处理方式
```txt
# Note: PyAudio is excluded for Hugging Face Spaces compatibility
# Audio playback is handled via web interface instead of local system audio
```
## ✅ 验证清单
- [x] 使用官方 `genie-tts` 包
- [x] 包含所有官方核心依赖（soundfile, soxr, onnxruntime）
- [x] API 调用方式与官方一致
- [x] 环境变量设置参考官方文档
- [x] 错误处理机制完善
- [x] 文档说明完整
## 🔗 参考资料
- [Official GitHub Repository](https://github.com/High-Logic/Genie)
- [Official Documentation](https://github.com/High-Logic/Genie/tree/main/README.md)
- [Docker Configuration](https://github.com/High-Logic/Genie/tree/main/Docker)
- [API Tutorial](https://github.com/High-Logic/Genie/tree/main/Tutorial)
- [Official Examples](https://github.com/High-Logic/Genie/tree/main/Tutorial/English) |