High-Logic/Genie-TTS

解决的问题

GENIE 是一个轻量级推理引擎，旨在让高质量语音合成 (TTS) 变得快速且高效，特别针对 CPU 性能进行优化。它移除了原始 GPT-SoVITS 项目的繁重依赖项，无需强大的 GPU 即可实现近乎即时的音频生成。

工作原理

它基于 GPT-SoVITS V2 和 V2ProPlus 模型，将其转换为优化的 ONNX 格式。如此一来，与官方的 PyTorch 和 ONNX 实现相比，它减少了运行时大小和首次推理延迟。它还提供了简化的 Python API，用于加载角色语音、设置用于情感克隆的参考音频以及运行合成。

适用人群

希望将高质量、多语言 TTS 集成到应用程序中的开发者和用户，且无需承担大型 ML 框架的开销或需要专用 GPU 硬件。

亮点

• CPU 优化：与官方模型相比，首次推理延迟显著降低，运行时内存占用更小。
• 多语言支持：支持日语、英语、中文和韩语。
• ** uma API**：简单的 pip install 和几行代码即可从预定义或自定义角色生成语音。
• 模型转换：包含内置工具，可将原始 .pth 和 .ckpt GPT-SoVITS 模型转换为优化的 ONNX 格式。
• API 服务器：内置 FastAPI 服务器，易于部署为 Web 服务。