这是一个简单易用的语音生成工具，基于CosyVoice2模型，可以将文字转换为自然的语音。
- 普通语音生成：将文字转换为自然语音
- 方言语音生成：可生成不同方言的语音（如四川话、东北话等）
- 情感语音生成：可生成带有不同情感的语音（如开心、激动、平静等）
- 情感标记语音：使用[laughter]等标记控制语音中的情感变化
- 分段处理长文本：支持将长文本分段处理，适合生成长篇语音
-
运行程序：
python test1.py -
选择功能类型：
- 简单语音生成：适合单段文本，可选普通、方言或情感语音
- 高级语音生成：支持情感标记或分段处理
-
按照界面提示操作：
- 输入要转换的文字
- 选择语音类型或高级功能
- 根据选择输入额外信息（如方言类型、情感类型等）
-
程序会生成语音文件并显示文件保存位置
===== 欢迎使用语音生成工具 =====
输入'退出'或'exit'结束程序
请选择功能:
1. 简单语音生成 - 输入一段文字，选择风格或方言
2. 高级语音生成 - 使用情感标记或分段处理
0. 退出程序
请选择 (0/1/2): 1
请输入要转换成语音的文字: 今天天气真好，我很开心！
请选择语音类型:
1. 普通语音
2. 方言语音
3. 情感语音
请选择 (1/2/3): 2
请输入方言类型 (如: 四川话、东北话): 四川话
方言语音已生成: output_今天天气真好，我_四川话.wav
请选择功能:
1. 简单语音生成 - 输入一段文字，选择风格或方言
2. 高级语音生成 - 使用情感标记或分段处理
0. 退出程序
请选择 (0/1/2): 2
请选择高级功能:
1. 使用情感标记 - 如[laughter]表示笑声
2. 分段处理长文本
请选择 (1/2): 1
情感标记示例: [laughter]表示笑声
请输入带情感标记的文本: 这个笑话真有趣[laughter]，我笑得停不下来了[laughter]
带情感标记的语音已生成: output_emotion_这个笑话真有趣[la.wav
请选择功能:
1. 简单语音生成 - 输入一段文字，选择风格或方言
2. 高级语音生成 - 使用情感标记或分段处理
0. 退出程序
请选择 (0/1/2): 2
请输入文本段落，每段一行，输入空行结束:
这是第一段文字，很简短。
这是第二段文字，稍微长一些，包含了更多的信息。
这是最后一段，总结前面的内容。
请输入语音风格 (默认'开心'): 平静
分段处理的语音已生成: output_segments_这是第一段文字，很.wav
- Python 3.6+
- PyTorch 和 Torchaudio
- CosyVoice2模型（需放在 pretrained_models 目录下）
- 提示音频文件（需放在 asset 目录下）
CosyVoice/
├── asset/
│ └── zero_shot_prompt.wav # 提示音频文件
├── pretrained_models/
│ └── CosyVoice2-0.5B/ # 预训练模型
├── third_party/
│ └── Matcha-TTS/ # 依赖库
├── test1.py # 主程序
└── README.md # 使用说明
-
问题：程序报错"导入错误" 解决：检查是否安装了必要的Python包，执行：
pip install torch torchaudio -
问题：程序报错"初始化失败" 解决：确保模型文件和提示音频文件存在于正确的位置
-
问题：生成的语音效果不理想 解决：尝试调整文本内容，或尝试不同的情感/方言类型
如果你需要在自己的程序中使用这个语音生成功能，可以直接调用以下函数：
# 生成普通语音
output_file = generate_audio("你想要转换的文字", style="开心")
# 生成方言语音
output_file = generate_dialect("你想要转换的文字", dialect="四川话")
# 生成带情感标记的语音
output_file = generate_with_emotion_marks("这个笑话真有趣[laughter]")
# 分段处理长文本
segments = ["第一段文字", "第二段文字", "第三段文字"]
output_file = generate_from_segments(segments, style="平静")