Neverbe1019/genie-tts-t

Genie TTS Space (Docker)

这是一个部署在 Hugging Face Spaces 的 Genie-TTS 服务，支持：

• —API 调用（/set_reference_audio、/tts）
• —内置 Web UI（根路径 /），可直接选择已加载模型与参考音频并试听

1. Web UI 使用

打开你的 Space 首页即可进入控制台（不再是 404）。

操作流程：

1. 1.在“已加载模型”中选择角色（来自启动时预加载的模型）。
2. 2.在“参考音频”中选择 reference_audio/ 下的文件。
3. 3.填写与该参考音频完全一致的文本，点击“设置参考音频”。
4. 4.输入要合成的文本，点击“生成并播放”。

说明：

• —Web UI 最终也是调用后端 API，因此与插件调用路径一致。
• —如果未先设置参考音频，合成会报错并提示先调用 /set_reference_audio。

2. API 快速示例

2.1 设置参考音频

POST /set_reference_audio

{
  "character_name": "kisaki",
  "audio_path": "reference_audio/Kisaki_802.ogg",
  "audio_text": "这里填与参考音频一致的文本",
  "language": "jp"
}

2.2 语音合成

POST /tts

{
  "character_name": "kisaki",
  "text": "こんにちは、これはテストです。",
  "split_sentence": true
}

返回为音频流。

3. 新增 UI 接口

3.1 获取 UI 选项

GET /ui/options

返回当前已加载角色、角色语言映射、reference_audio 文件列表、已设置引用的角色列表。

3.2 返回可直接播放的 WAV

POST /ui/synthesize_wav

{
  "character_name": "kisaki",
  "text": "こんにちは",
  "split_sentence": true
}

这个接口会返回带 WAV 头的完整音频，方便网页播放器直接播放。

4. 环境变量

• —GENIE_MODEL_REPO_ID：模型仓库，默认 clown145/my-genie-tts-models
• —GENIE_PRELOAD_CHARACTERS：启动时预加载角色，逗号分隔，默认 kisaki
• —GENIE_MAX_PRELOAD：最多预加载数量，默认 1

示例：

GENIE_PRELOAD_CHARACTERS=kisaki,may
GENIE_MAX_PRELOAD=1

5. 兼容性说明

• —当前镜像基于 python:3.10-slim。
• —兼容 Genie-TTS 新版本（最低 Python 3.10）。
• —已默认限制缓存角色数和预加载数，以降低免费 Space OOM 风险。