VOICEVOX/voicevox_engine

解决的问题

VOICEVOX ENGINE 通过 HTTP 服务器提供了一种执行文本转语音（TTS）合成的方法。它允许用户和开发者从文本生成高质量的合成语音，调整发音和语调，并将这些功能集成到其他应用程序中，而无需从头构建 TTS 引擎。

工作原理

该项目作为一个 HTTP 服务器运行，提供一组用于语音合成的 API。该过程通常分为两个步骤：首先发送 /audio_query 请求以生成合成查询（包含速度和语调等参数），然后使用该查询发送 /synthesis 请求以生成最终的 .wav 音频文件。它支持 CPU 和 GPU 加速（通过 NVIDIA），并可通过 Docker 部署。

适用人群

• 终端用户：希望为内容创作生成合成语音的人
• 开发者：希望通过 API 将 VOICEVOX 语音合成集成到自己软件中的人
• 引擎创建者：希望构建可在 VOICEVOX 编辑器中使用的 VOICEVOX 兼容引擎的人

主要亮点

• 灵活控制：使用自定义标记法（AquesTalk 风格）调整语音速度、语调和发音。
• 用户词典：完全支持通过 API 添加、编辑和删除自定义词汇，以提高发音准确性。
• 高级合成：包含语音混音（混合两种不同声音）和歌唱语音合成（使用基于 MIDI 的乐谱）等功能。
• 开发者友好：提供 Docker 镜像以简化设置，配备全面的 API 文档，并支持多引擎实例（多引擎功能）。