TTS + SVC 音频生成系统

声明

本项目由Cursor编写，代码完全由AI生成，请勿用于商业用途。

项目介绍

这是一个基于Flask的Web应用系统，集成了TTS(文本转语音)和so-vits-svc(语音转换)功能，可以批量将文本转换为具有特定音色的语音。系统采用异步任务处理架构，支持批量处理和实时进度显示。

主要特点

• 支持单条和批量文本转换
• 可调节音高(pitch)和语速(speed)
• 支持多种音色选择和自定义模型
• Web界面操作简单直观
• 实时显示处理进度
• 完整的错误处理和日志记录
• 支持异步任务处理和队列管理

系统要求

基础环境

• Python 3.8+
• Redis 服务器
• CUDA支持(用于so-vits-svc模型)
• 足够的磁盘空间用于存储音频文件

Python依赖

• Flask 2.2.2
• Flask-SQLAlchemy 3.0.2
• Flask-Migrate 4.0.4
• Celery 5.2.7
• Redis 4.5.1
• TTS 0.10.3
• PyTorch (CUDA版本)
• 其他依赖见requirements.txt

详细安装步骤

1. 安装基础环境

Linux/Mac

# 安装Python 3.8+
sudo apt update
sudo apt install python3.8 python3.8-venv python3-pip

# 安装Redis
sudo apt install redis-server

# 安装CUDA (如果需要)
# 请参考NVIDIA官方文档

Windows

1. 从Python官网下载并安装Python 3.8+
2. 从Github下载Redis Windows版本
3. 安装CUDA (如果需要)

2. 克隆项目

git clone https://github.com/YansongW/TTS-SVC
cd TTS-SVC

3. 配置环境变量

1. 复制环境变量模板

cp .env.example .env

2. 编辑.env文件，配置必要的环境变量：

# TTS配置
TTS_MODEL_NAME=tts_models/en/ljspeech/tacotron2-DDC

# SVC配置
SVC_MODEL_PATH=/path/to/your/model.pth
SVC_CONFIG_PATH=/path/to/your/config.json

# Redis配置
REDIS_HOST=localhost
REDIS_PORT=6379

# Flask配置
FLASK_SECRET_KEY=your-secret-key-here

4. 下载模型

TTS模型

系统会自动下载TTS模型，如果需要手动下载：

# 进入虚拟环境
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate  # Windows

# 下载模型
python -c "from TTS.api import TTS; TTS.download_model('tts_models/en/ljspeech/tacotron2-DDC')"

SVC模型

1. 创建模型目录：

mkdir -p so-vits-svc/models
mkdir -p so-vits-svc/configs

2. 下载预训练模型：

• 访问so-vits-svc releases
• 下载模型文件(.pth)和配置文件(config.json)
• 将文件放入对应目录

5. 初始化项目

Linux/Mac

# 设置脚本权限
chmod +x scripts/*.sh

# 运行部署脚本
./scripts/deploy.sh

Windows

# 运行部署脚本
scripts\deploy.bat

部署脚本会自动完成：

• 创建虚拟环境
• 安装依赖
• 初始化数据库
• 启动服务

6. 验证安装

访问 http://localhost:5000 验证系统是否正常运行

使用说明

单条文本转换

1. 访问系统主页
2. 点击"Upload Single Task"
3. 输入文本内容
4. 设置转换参数：
   • Pitch (音高): 0.5-2.0
   • Speed (语速): 0.5-2.0
   • Melody (音色): 根据模型支持的音色选择
5. 提交任务
6. 等待处理完成后下载音频文件

批量转换

1. 准备文本文件：
   • 文件格式：txt
   • 每行一个文本
   • UTF-8编码
2. 准备参数配置：

[
    {
        "pitch": 1.0,
        "speed": 1.0,
        "melody": "default"
    },
    {
        "pitch": 1.2,
        "speed": 0.8,
        "melody": "happy"
    }
]

3. 上传文件和配置
4. 等待处理完成
5. 下载生成的音频文件

故障排除

1. 安装问题

依赖安装失败

# 更新pip
python -m pip install --upgrade pip

# 使用国内镜像
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

CUDA问题

1. 检查CUDA版本：

nvidia-smi

2. 确保PyTorch版本与CUDA版本匹配
3. 必要时重新安装对应版本的PyTorch

2. 运行问题

Redis连接失败

1. 检查Redis服务状态：

# Linux/Mac
sudo systemctl status redis

# Windows
net start redis

2. 检查Redis配置：

redis-cli ping

数据库错误

1. 重置数据库：

flask db reset
flask db upgrade

2. 检查日志：

tail -f logs/app.log

任务处理失败

1. 检查Celery状态：

# 查看Celery日志
tail -f logs/celery.log

2. 重启Celery：

# Linux/Mac
./scripts/start_celery.sh

# Windows
scripts\start_celery.bat

维护指南

定期维护

1. 清理临时文件：

python scripts/cleanup.py

2. 备份数据库：

python scripts/backup_db.py

3. 更新依赖：

pip install -r requirements.txt --upgrade

监控

1. 检查系统状态：

python scripts/check_status.py

2. 查看资源使用：

python scripts/monitor.py

安全建议

1. 修改默认密钥
2. 限制上传文件大小
3. 配置防火墙
4. 定期更新依赖
5. 备份重要数据

常见问题解答

Q: 如何更换TTS模型？ A: 修改.env文件中的TTS_MODEL_NAME，选择其他支持的模型。

Q: 如何训练自己的SVC模型？ A: 参考so-vits-svc项目的训练文档，将训练好的模型放入models目录。

Q: 批量任务处理很慢怎么办？ A: 调整config.py中的并发设置，增加worker数量。

Q: 如何扩展音色选项？ A: 训练新的SVC模型，并更新配置文件。

贡献指南

1. Fork项目
2. 创建特性分支
3. 提交更改
4. 发起Pull Request