GSV-TTS-Lite 示例

chinokikiss/GSV-TTS-Lite: GSV-TTS-Lite A high-performance inference engine specifically designed for the GPT-SoVITS text-to-speech model.(few shot voice cloning)

短句子

python 复制代码
from gsv_tts import TTS

tts = TTS()

# 将 GPT 模型权重从指定路径加载到内存中,这里加载默认模型。
tts.load_gpt_model()

# 将 SoVITS 模型权重从指定路径加载到内存中,这里加载默认模型。
tts.load_sovits_model()


def speak_text(text):
    """
    生成TTS音频并播放(使用预设的音色和风格)
    
    Args:
        text (str): 目标生成文本
    """
    # infer 是最简单、最原始的推理方式,适用于短文本推理。
    audio = tts.infer(
        spk_audio_path="tools\\tts\\laffey.mp3", # 音色参考音频
        prompt_audio_path="tools\\tts\\AnAn.ogg", # 风格参考音频
        prompt_audio_text="ちが......ちがう。レイア、貴様は間違っている。", # 风格参考音频对应的文本
        text=text,
    )
    
    audio.play()
    tts.audio_queue.wait()
if __name__ == "__main__":
    speak_text("""


数学の勉強を忘れ ないでくださいね。それとも、他のことで忙しいのでしょうか?
    
    
    """)

长句子

python 复制代码
from gsv_tts import TTS

tts = TTS()

# 将 GPT 模型权重从指定路径加载到内存中,这里加载默认模型。
tts.load_gpt_model()

# 将 SoVITS 模型权重从指定路径加载到内存中,这里加载默认模型。
tts.load_sovits_model()


def speak_text(text):
    """
    生成TTS音频并播放(使用预设的音色和风格)
    
    Args:
        text (str): 目标生成文本
    """

    generator = tts.infer_stream(
        spk_audio_path="tools\\tts\\laffey.mp3",
        prompt_audio_path="tools\\tts\\AnAn.ogg",
        prompt_audio_text="ちが......ちがう。レイア、貴様は間違っている。",
        text=text,
        debug=False,
    )

    for audio in generator:
        audio.play()


    tts.audio_queue.wait()


  
if __name__ == "__main__":
    speak_text("""


数学の勉強を忘れ ないでくださいね。それとも、他のことで忙しいのでしょうか?
    
    
    """)
相关推荐
小毅&Nora19 小时前
【人工智能】【大模型】大模型“全家桶”到“精兵简政”:企业AI落地的理性进化之路
人工智能·大模型·平安科技
KaneLogger19 小时前
如何把AI方面的先发优势转化为结构优势
人工智能·程序员·架构
冬奇Lab20 小时前
一天一个开源项目(第67篇):OpenClaw-Admin - AI Agent 网关的可视化管理驾驶舱
人工智能·开源·资讯
飞哥数智坊20 小时前
【大纲】TRAE AI 编程入门第四讲——打破编程界限的智能体
人工智能·ai编程·trae
冬奇Lab20 小时前
5种来自谷歌的Agent Skill设计模式:减少Token浪费,精准触发正确行为
人工智能·agent
飞哥数智坊20 小时前
【大纲】TRAE AI 编程入门第三讲——突破边界的 Rules、Memory、MCP、Skills
人工智能·ai编程·trae
桃地睡不着20 小时前
ai安全工具:CyberStrikeAI安装部署与使用
人工智能·安全·渗透测试
Cosolar20 小时前
大模型工具调用输出JSON:凭什么能保证不出错?
人工智能·面试·llm
zxsz_com_cn20 小时前
设备预测性维护模型构建详解与实例:中讯烛龙如何用“数据+算法”破解故障预测难题
人工智能·深度学习·机器学习
Cosolar20 小时前
Harness:大模型Agent的“操作系统”,2026年AI工程化的核心革命
人工智能·面试·llm