vits-simple-api: 一个简单而强大的语音合成API

vits-simple-api: 一个简单而强大的语音合成API

vits-simple-api是一个基于VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)模型的简单HTTP API。该项目通过扩展Moegoe项目,增加了多种功能,为开发者提供了一个便捷而强大的语音合成解决方案。

主要特性

vits-simple-api具有以下主要特性:

1. 支持VITS文本到语音合成和语音转换
2. 集成了HuBert-soft VITS模型
3. 支持vits_chinese模型
4. 集成了Bert-VITS2模型
5. 支持W2V2 VITS / emotional-vits维度情感模型
6. 集成了GPT-SoVITS模型
7. 支持加载多个模型
8. 自动语言识别和处理,可根据模型的cleaner设置语言类型识别范围,支持自定义语言类型范围
9. 可自定义默认参数
10. 支持长文本批处理
11. GPU加速推理
12. 正在开发SSML(语音合成标记语言)支持

在线演示

项目提供了在线演示,用户可以通过Hugging Face Spaces体验vits-simple-api的功能。此外,还提供了Colab Notebook,方便用户快速上手和测试。

需要注意的是,不同的ID可能支持不同的语言。用户可以通过speakers接口查看可用的说话人ID和对应的语言支持。

部署方式

vits-simple-api提供了两种部署选项:Docker部署和虚拟环境部署。无论选择哪种方式,部署后都需要导入模型才能使用应用程序。

Docker部署(推荐用于Linux)

1. 拉取Docker镜像:

   bash -c "$(wget -O- https://raw.githubusercontent.com/Artrajz/vits-simple-api/main/vits-simple-api-installer-latest.sh)"
   

2. 启动容器

虚拟环境部署

1. 克隆项目:

   git clone https://github.com/Artrajz/vits-simple-api.git
   

2. 安装Python依赖:

   pip install -r requirements.txt
   

3. 启动程序

Windows快速部署包

1. 从releases页面下载并解压最新的部署包
2. 运行start.bat启动程序

模型加载

vits-simple-api支持自动加载和手动加载模型两种方式。从0.6.6版本开始,默认行为是自动加载data/models文件夹中的所有模型,这使得初学者更容易使用。

如果需要手动加载模型,可以修改config.yaml文件中的tts_config.auto_load为false,然后在tts_config.models中配置模型路径。

GPU加速

项目支持GPU加速推理,提供了Windows和Linux下的CUDA安装和PyTorch GPU版本安装指南。

WebUI

vits-simple-api提供了推理前端和管理后端两个Web界面:

• 推理前端: http://127.0.0.1:23456
• 管理后端: http://127.0.0.1:23456/admin

管理后端的初始用户名和密码可以在首次启动后在config.yaml文件中找到。

API

vits-simple-api提供了丰富的API接口,支持GET和POST请求。主要接口包括:

• 获取说话人列表
• VITS语音合成
• VITS语音转换
• HuBert-VITS
• W2V2-VITS
• Bert-VITS2
• GPT-SoVITS语音合成
• SSML(语音合成标记语言)

每个接口都有详细的参数说明,方便开发者进行集成和使用。

常见问题

项目文档中提供了常见问题解答,包括Bert-VITS2版本兼容性等内容,帮助用户解决使用过程中可能遇到的问题。

交流与贡献

vits-simple-api项目欢迎学习和交流,目前有一个中文QQ群供用户讨论。项目也感谢所有贡献者的付出,欢迎更多开发者参与到项目的改进中来。

总的来说,vits-simple-api为开发者提供了一个功能丰富、易于使用的语音合成API解决方案。无论是个人开发者还是企业用户,都可以通过这个项目快速实现高质量的语音合成功能。随着项目的不断发展和完善,相信它将为更多语音应用的开发提供有力支持。