README.md

metadata

title: GENIE TTS
emoji: 🔮
colorFrom: pink
colorTo: gray
sdk: gradio
sdk_version: 5.46.0
app_file: app.py
pinned: false
license: apache-2.0
short_description: High-quality Japanese TTS based on Genie (GPT-SoVITS V2)

🔮 Genie TTS - Hugging Face Spaces Deployment

基于 High-Logic/Genie 的官方 TTS 引擎，提供高质量日语语音合成服务。

✨ 功能特点

• 🚀 高性能推理：基于 ONNX Runtime 的 CPU 优化推理
• 🎯 即开即用：内置 misono_mika 预定义角色，无需额外模型
• 📱 Web 界面：响应式 Gradio 界面，支持音频实时播放
• 🔧 官方对齐：配置与上游官方项目完全一致
• 💾 智能缓存：自动模型缓存，提升后续使用体验

⚠️ 部署状态

Hugging Face Spaces 环境限制

由于 Hugging Face Spaces 环境缺少 portaudio19-dev 系统依赖，PyAudio 编译可能失败，导致 genie-tts 安装失败。我们已添加了：

• ✅ packages.txt 文件尝试安装系统依赖
• ✅ 智能错误处理和状态显示
• ✅ 运行时安装策略（--no-deps 模式）
• ✅ 详细的故障诊断信息

🔧 推荐解决方案:

1. 本地运行：在本地环境可完整安装所有依赖
2. Docker 部署：使用官方 Docker 配置
3. 其他云平台：支持系统依赖安装的平台

🏗️ 技术架构

用户输入 → Gradio界面 → Genie TTS引擎 → ONNX推理 → 音频输出
    ↓             ↓              ↓           ↓          ↓
   文本预处理    参数验证      模型加载    语音合成    Web播放

核心组件

• TTS Engine: Genie TTS v1.0+ (官方包)
• Model Runtime: ONNX Runtime 1.16+
• Audio Processing: SoundFile + SoXR
• Web Interface: Gradio 4.0+
• Text Processing: PyOpenJTalk (日语支持)

🚀 快速开始

本地开发

# 1. 克隆仓库
git clone <repository-url>
cd genie-tts-deployment

# 2. 安装依赖
pip install -r requirements.txt

# 3. 启动应用
python app.py

Hugging Face Spaces 部署

1. Fork 仓库 到您的 GitHub 账户
2. 创建 Space：
   • 访问 Hugging Face Spaces
   • 选择 "Create new Space"
   • 选择 "Gradio" SDK
   • 连接 GitHub 仓库
3. 自动部署：推送代码后自动构建部署

📋 依赖说明

核心依赖（基于官方配置）

# 官方 TTS 引擎
genie-tts>=1.0.0

# Web 界面框架  
gradio>=4.0.0

# 机器学习推理
onnxruntime>=1.16.0

# 音频处理（官方核心依赖）
soundfile>=0.12.0    # 音频文件读写
soxr>=0.3.0          # 高质量音频重采样  
librosa>=0.10.0      # 音频分析
scipy>=1.9.0         # 科学计算

# 日语文本处理
pyopenjtalk          # 日语分词和读音

# 模型下载
huggingface-hub>=0.17.0

# 系统工具
rich>=12.0.0         # 美化日志输出
requests>=2.25.0     # 网络请求
psutil>=5.8.0        # 系统信息

兼容性说明

• PyAudio 处理：移除以避免 HF Spaces 编译错误
• 音频播放：通过 Web 界面实现，无需本地音频设备
• Python 版本：支持 3.9+（与官方一致）

🎮 使用指南

基础用法

1. 选择角色：当前支持 misono_mika
2. 输入文本：支持日语文本（建议500字符以内）
3. 点击合成：等待处理完成
4. 播放音频：直接在浏览器中播放

示例文本

どうしようかな……やっぱりやりたいかも……！
私も昔、これと似たようなの持ってたなぁ…。
おはようございます！今日もよろしくお願いします。

🔧 技术细节

模型信息

• 架构：GPT-SoVITS V2
• 语言支持：日语
• 采样率：32kHz
• 推理引擎：ONNX Runtime (CPU)
• 模型大小：约180MB

性能优化

• 内存管理：自动垃圾回收
• 缓存策略：智能模型缓存
• 错误处理：完善的异常捕获
• 资源限制：文本长度限制

📚 参考资料

• 官方项目
• 官方文档
• API 教程
• 配置对齐说明

📄 许可证

本项目基于 Apache-2.0 许可证开源，详情请见 LICENSE 文件。

---

Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference