|
|
--- |
|
|
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](https://github.com/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 |
|
|
|
|
|
```bash |
|
|
# 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](https://huggingface.co/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） |
|
|
|
|
|
```txt |
|
|
# 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](https://github.com/High-Logic/Genie) |
|
|
- [官方文档](https://github.com/High-Logic/Genie/tree/main/README.md) |
|
|
- [API 教程](https://github.com/High-Logic/Genie/tree/main/Tutorial) |
|
|
- [配置对齐说明](./OFFICIAL_ALIGNMENT.md) |
|
|
|
|
|
## 📄 许可证 |
|
|
|
|
|
本项目基于 Apache-2.0 许可证开源，详情请见 [LICENSE](./LICENSE) 文件。 |
|
|
|
|
|
--- |
|
|
|
|
|
Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference |
