Spaces:
Running
Running
File size: 3,885 Bytes
79f89ec |
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 |
# Genie-TTS API 文档
> **Base URL**: `https://simler-genie-tts-testing.hf.space`
---
## 接口概览
| 端点 | 方法 | 描述 |
|------|------|------|
| `/health` | GET | 健康检查，返回已加载模型列表 |
| `/load_model` | POST | 动态加载新模型 |
| `/tts` | POST | 文本转语音（使用已加载模型） |
| `/upload_and_tts` | POST | 上传参考音频并生成语音 |
---
## 1. 健康检查
```
GET /health
```
**响应示例**:
```json
{
"status": "ok",
"models": ["Base", "god", "mzm"]
}
```
---
## 2. 加载模型
```
POST /load_model
```
| 参数 | 类型 | 必填 | 说明 |
|------|------|------|------|
| `character_name` | string | ✅ | 角色名称 |
| `model_path` | string | ✅ | 模型路径（相对于 `/app`） |
| `language` | string | ❌ | 语言，默认 `zh` |
---
## 3. 文本转语音
```
POST /tts
```
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|------|------|------|--------|------|
| `text` | string | ✅ | - | 要合成的文本 |
| `character_name` | string | ❌ | `Base` | 使用的角色模型 |
| `prompt_text` | string | ❌ | - | 覆盖参考音频文本 |
| `prompt_lang` | string | ❌ | `zh` | 参考音频语言 |
| `text_lang` | string | ❌ | - | 目标文本语言（跨语言合成时使用） |
| `speed` | float | ❌ | `1.0` | 语速调节（0.5-2.0） |
| `fragment_interval` | float | ❌ | `0.3` | 句子间隔时长（秒） |
| `fade_duration` | float | ❌ | `0.0` | 淡入淡出时长（秒） |
**响应**: `audio/wav` 音频流
---
## 4. 上传参考音频并生成
```
POST /upload_and_tts
```
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|------|------|------|--------|------|
| `file` | file | ✅ | - | 参考音频文件（WAV） |
| `prompt_text` | string | ✅ | - | 参考音频对应的文本 |
| `text` | string | ✅ | - | 要合成的文本 |
| `character_name` | string | ❌ | `Default` | 角色名称 |
| `language` | string | ❌ | `zh` | 语言 |
| `text_lang` | string | ❌ | - | 目标文本语言 |
| `speed` | float | ❌ | `1.0` | 语速调节 |
| `fragment_interval` | float | ❌ | `0.3` | 句子间隔时长（秒） |
| `fade_duration` | float | ❌ | `0.0` | 淡入淡出时长（秒） |
---
## 参数详解
### `speed` - 语速调节
- 范围：`0.5` ~ `2.0`
- `< 1.0`：语速变慢
- `> 1.0`：语速变快
### `fragment_interval` - 句子间隔
- 多句文本时，句子之间的静音间隔
- 推荐值：`0.3` ~ `0.5` 秒
### `fade_duration` - 淡入淡出
- 每个句子开头淡入、结尾淡出
- 用于平滑过渡，避免硬切
- 推荐值：`0.05` ~ `0.15` 秒
### `text_lang` - 跨语言合成
- 当参考音频语言与目标文本语言不同时使用
- 示例：日语参考音频 + 中文文本 → `prompt_lang=jp`, `text_lang=zh`
---
## 使用示例
### Python 请求示例
```python
import requests
response = requests.post(
"https://simler-genie-tts-testing.hf.space/tts",
data={
"text": "你好，这是一段测试语音。",
"character_name": "god",
"speed": 1.0,
"fragment_interval": 0.3,
"fade_duration": 0.1
}
)
with open("output.wav", "wb") as f:
f.write(response.content)
```
### 跨语言合成示例
```python
response = requests.post(
"https://simler-genie-tts-testing.hf.space/tts",
data={
"text": "大家好，我是若叶睦。",
"character_name": "mzm",
"prompt_lang": "jp", # 参考音频是日语
"text_lang": "zh" # 目标文本是中文
}
)
```
---
## 注意事项
1. **参考音频文本必须准确**：如果 `prompt_text` 与参考音频内容不匹配，会导致参考音频泄露到输出中
2. **跨语言合成**：需要同时指定 `prompt_lang` 和 `text_lang`
3. **模型需要预加载**：使用 `/tts` 前，确保模型已通过 `/load_model` 加载
|