基于 ChatTTS 搭建支持情感控制的 TTS 服务

🚀 第三阶段：使用与测试

创建一个测试脚本 test_tts.py 来使用我们的封装类。

from EmotionalTTS import EmotionalTTS
import soundfile as sf
import simpleaudio as sa  # 用于直接播放，安装： pip install simpleaudio

def main():
    # 1. 初始化引擎
    print("="*50)
    print("初始化情感 TTS 引擎...")
    tts_engine = EmotionalTTS(device='cuda')  # 如果你有 GPU
    # tts_engine = EmotionalTTS(device='cpu')  # 使用 CPU
    # 2. 查看支持的情感
    print("支持的情感:", tts_engine.get_available_emotions())
    print("="*50)
    # 3. 单句合成示例
    test_text = "你好，世界！这是一个测试，看看情感语音合成效果怎么样。"
    # 用不同的情感合成同一句话
    for emo in ['neutral', 'happy', 'sad', 'angry']:
        print(f"\n>>> 正在用「{emo}」情感合成...")
        audio_data, sr = tts_engine.synthesize(
            text=test_text,
            emotion=emo,
            speed=1.0 if emo != 'sad' else 0.9,  # 悲伤时语速放慢
            save_path=f"./output/demo_{emo}.wav"  # 保存文件
        )
        # 尝试播放（如果环境支持）
        try:
            play_obj = sa.play_buffer(audio_data, 1, 2, sr)
            play_obj.wait_done()
        except:
            print(f"音频已保存，如需播放请查看文件：demo_{emo}.wav")
    # 4. 批量合成示例
    print("\n" + "="*50)
    print("开始批量合成示例...")
    batch_texts = [
        "早上好，今天天气真不错。",
        "我对此感到非常失望。",
        "太棒了！我们终于成功了！",
        "请立即离开这个地方。"
    ]
    batch_emotions = ['friendly', 'sad', 'happy', 'angry']
    saved_files = tts_engine.batch_synthesize(
        texts=batch_texts,
        emotions=batch_emotions,
        save_dir="./output/batch"
    )
    print(f"批量合成完成，共生成 {len(saved_files)} 个文件。")
    # 5. 高级：尝试自定义情感参数（直接修改映射）
    print("\n" + "="*50)
    print("高级：自定义情感参数...")
    tts_engine.emotion_params_map['whisper'] = {'temperature': 0.2, 'spk_emb': None}  # 耳语
    audio_custom, _ = tts_engine.synthesize(
        "这是一个秘密，我只告诉你一个人。",
        emotion='whisper',
        save_path="./output/whisper_secret.wav"
    )
    print("自定义情感「whisper」合成完成。")

if __name__ == "__main__":
    # 确保有输出目录
    import os
    os.makedirs("./output", exist_ok=True)
    os.makedirs("./output/batch", exist_ok=True)
    main()
    print("\n所有测试完成！请检查 './output' 目录下的音频文件。")

🔧 第四阶段：部署为 API 服务（Flask 示例）

将你的封装部署为 Web 服务，以便其他程序调用。创建 api_service.py：

from flask import Flask, request, jsonify, send_file
from EmotionalTTS import EmotionalTTS
import io
import soundfile as sf
import numpy as np
import uuid
import os

app = Flask(__name__)
tts_engine = None

def init_engine():
    global tts_engine
    print("正在加载 TTS 模型...")
    tts_engine = EmotionalTTS(device='cpu')  # API 服务通常用 CPU
    print("模型加载完毕，API 服务就绪。")

init_engine()

@app.route('/synthesize', methods=['POST'])
def synthesize():
    """API 端点：文本转语音"""
    data = request.json  # 解析请求参数
    text = data.get('text', '')
    emotion = data.get('emotion', 'neutral')
    speed = float(data.get('speed', 1.0))
    if not text:
        return jsonify({'error': '文本内容不能为空'}), 400
    # 调用引擎合成
    try:
        audio_data, sr = tts_engine.synthesize(
            text=text,
            emotion=emotion,
            speed=speed
        )
        # 将音频数据转为字节流返回
        audio_bytes = io.BytesIO()
        sf.write(audio_bytes, audio_data, samplerate=sr, format='WAV')
        audio_bytes.seek(0)
        # 也可以选择保存到文件后返回 URL（生产环境建议）
        # filename = f"{uuid.uuid4()}.wav"
        # filepath = os.path.join('./audio_cache', filename)
        # sf.write(filepath, audio_data, sr)
        # return jsonify({'url': f'/audio/{filename}'})
        return send_file(
            audio_bytes,
            mimetype='audio/wav',
            as_attachment=True,
            download_name=f'speech_{emotion}.wav'
        )
    except Exception as e:
        return jsonify({'error': f'合成失败：{str(e)}'}), 500

@app.route('/emotions', methods=['GET'])
def list_emotions():
    """返回支持的情感列表"""
    return jsonify({'emotions': tts_engine.get_available_emotions()})

if __name__ == '__main__':
    os.makedirs('./audio_cache', exist_ok=True)
    # 生产环境请使用 waitress 或 gunicorn，不要用 debug 模式
    app.run(host='0.0.0.0', port=5000, debug=True, use_reloader=False)

启动 API 服务：

python api_service.py

使用 CURL 测试 API：

curl -X POST http://127.0.0.1:5000/synstitute \ 
-H "Content-Type: application/json" \ 
-d '{"text": "你好，欢迎使用情感 TTS API 服务", "emotion": "friendly", "speed": 1.1}' \ 
--output output_api.wav

📝 重要补充与高级扩展

1. 如何提升效果与定制化

• 优化情感：调整 emotion_params_map 中的 temperature 值（0.1-1.5），值越高声音越有表现力（可能不稳定），值越低保真稳定。
• 细粒度控制：在文本中插入 ChatTTS 特定的控制符，例如 [uv_break]（短停顿）、[laugh]（笑声），能让效果更生动。
• 微调模型：如果想针对特定场景（如广播剧）优化，需准备高质量的 (文本，音频，情感标签) 配对数据，使用 ChatTTS 训练脚本进行微调。

2. 项目结构建议

MyEmotionalTTS/
├── EmotionalTTS.py      # 核心封装类
├── init_model.py        # 初始化脚本
├── test_tts.py          # 测试脚本
├── api_service.py       # Flask API 服务
├── requirements.txt     # 依赖列表
├── output/              # 生成音频目录
└── README.md            # 项目说明

3. 生产环境注意事项

• 性能：首次推理较慢，后续会缓存。如需高并发，考虑模型预热和队列系统。
• 稳定性：API 服务中务必添加异常处理和输入验证。
• 内存：加载模型约占用 2-3GB GPU 内存（或更多 CPU 内存）。可尝试使用 torch.compile 或模型量化（如 torch.quantization）进行优化。

这个方案提供了从安装、封装、测试到部署的完整代码链路。可以直接复制代码运行，并根据注释进行修改和扩展。