Orpheus TTS 使用与配置指南

Orpheus TTS 使用与配置指南

Orpheus-TTS TTS Towards Human-Sounding Speech 项目地址: https://gitcode.com/gh_mirrors/or/Orpheus-TTS

1. 项目目录结构及介绍

Orpheus TTS 的目录结构如下：

Orpheus-TTS/
├── additional_inference_options/
├── finetune/
├── orpheus_tts_pypi/
├── pretrain/
├── realtime_streaming_example/
├── .gitignore
├── LICENSE
├── README.md
├── demo.mp4
├── emotions.txt

• additional_inference_options/: 包含额外的推理选项相关文件。
• finetune/: 存放模型微调的脚本和配置文件。
• orpheus_tts_pypi/: 包含用于Python包的Orpheus TTS代码。
• pretrain/: 包含预训练模型的脚本和配置文件。
• realtime_streaming_example/: 实时流式传输示例代码。
• .gitignore: Git忽略文件列表，用于指定哪些文件和目录应该被Git仓库忽略。
• LICENSE: Apache-2.0 许可文件，描述了项目的许可协议。
• README.md: 项目自述文件，包含项目介绍和使用说明。
• demo.mp4: 项目演示视频。
• emotions.txt: 情感标签文本文件。

2. 项目的启动文件介绍

项目的启动主要通过 realtime_streaming_example/ 目录中的Python脚本进行。以下是一个简单的启动示例：

from orpheus_tts import OrpheusModel
import wave
import time

# 初始化模型
model = OrpheusModel(model_name="canopylabs/orpheus-tts-0.1-finetune-prod")

# 设置文本提示
prompt = '''Man, the way social media has, um, completely changed how we interact is just wild, right?'''

# 生成语音
syn_tokens = model.generate_speech(prompt=prompt, voice="tara")

# 保存语音到文件
with wave.open("output.wav", "wb") as wf:
    wf.setnchannels(1)
    wf.setsampwidth(2)
    wf.setframerate(24000)
    for audio_chunk in syn_tokens:
        wf.writeframes(audio_chunk)

这段代码首先导入了必要的模块，然后初始化了Orpheus模型，设置了文本提示，并生成了对应的语音，最后将生成的语音保存到了一个WAV文件中。

3. 项目的配置文件介绍

Orpheus TTS 的配置主要通过 finetune/config.yaml 文件进行。以下是一些基本的配置选项：

# 训练配置
training:
  dataset_name: "your_dataset_name"
  dataset_path: "path_to_your_dataset"
  num_epochs: 5
  batch_size: 32
  learning_rate: 0.001

# 模型配置
model:
  model_name: "canopylabs/orpheus-tts-0.1-finetune-prod"
  model_path: "path_to_your_model"

# 推理配置
inference:
  voice: "tara"
  sampling_rate: 24000

在这个配置文件中，你可以设置训练的数据集名称和路径、训练的轮数、批量大小和学习率等。同时，你也可以配置模型的名字和路径以及推理时使用的声音和采样率等。

确保在修改配置文件后，根据你的需求调整相应的参数，以获得最佳的训练和推理效果。

Orpheus-TTS TTS Towards Human-Sounding Speech 项目地址: https://gitcode.com/gh_mirrors/or/Orpheus-TTS