██████╗  ███████╗███╗   ██╗██╗███████╗
██╔════╝ ██╔════╝████╗  ██║██║██╔════╝
██║  ███╗█████╗  ██╔██╗ ██║██║█████╗  
██║   ██║██╔══╝  ██║╚██╗██║██║██╔══╝  
╚██████╔╝███████╗██║ ╚████║██║███████╗
 ╚═════╝ ╚══════╝╚═╝  ╚═══╝╚═╝╚══════╝

GENIE 是一个基于开源 TTS 项目 GPT-SoVITS 构建的轻量级推理引擎。它集成了 TTS 推理、ONNX 模型转换、API 服务端以及其他核心功能，旨在提供极致的性能和便利性。

• ✅ 支持的模型版本： GPT-SoVITS V2, V2ProPlus
• ✅ 支持的语言： 日语、英语、中文、韩语
• ✅ 支持的 Python 版本： >= 3.10

🎬 演示视频

• ➡️ 观看演示视频（中文）

🚀 性能优势

GENIE 针对原始模型进行了优化，以实现出色的 CPU 性能。

📝 延迟测试说明： 所有延迟数据均基于 100 个日语句子（每句约 20 个字符）的测试集取平均值。测试环境为 CPU i7-13620H。

🏁 快速开始

⚠️ 重要提示： 建议在 管理员模式 下运行 GENIE，以避免潜在的性能下降。

📦 安装

通过 pip 安装：

pip install genie-tts

📥 预训练模型

首次运行 GENIE 时，需要下载资源文件（~391MB）。您可以按照库的提示自动下载。

或者，您可以从 HuggingFace 手动下载文件并将其放置在本地文件夹中。然后在导入库 之前 设置 GENIE_DATA_DIR 环境变量：

import os

# 设置手动下载的资源文件路径
# 注意：请在导入 genie_tts 之前执行此操作
os.environ["GENIE_DATA_DIR"] = r"C:\path\to\your\GenieData"

import genie_tts as genie

# 库现在将从指定目录加载资源

如果你想启用仅用于中文推理、用于改善中文韵律的可选 Chinese RoBERTa 文本特征，也可以这样下载：

import genie_tts as genie

# 只下载可选的 Chinese RoBERTa 资源
genie.download_roberta_data()

# 或者直接走内置的完整资源下载流程，
# 该流程现在也会顺带下载可选的 Chinese RoBERTa 资源
genie.download_genie_data()

这些 RoBERTa 特征仅用于中文路径，以改善中文韵律； 它们不应该用于日语 / 英语 / 韩语推理。

⚡️ 快速试用

还没有 GPT-SoVITS 模型？没问题！ GENIE 包含几个预定义的说话人角色，您可以立即使用 —— 例如：

• Mika (聖園ミカ) — 蔚蓝档案 (Blue Archive) (日语)
• ThirtySeven (37) — 重返未来：1999 (Reverse: 1999) (英语)
• Feibi (菲比) — 鸣潮 (Wuthering Waves) (中文)

您可以在此处浏览所有可用角色： https://huggingface.co/High-Logic/Genie/tree/main/CharacterModels

使用以下示例进行尝试：

import genie_tts as genie
import time

# 首次运行时自动下载所需文件
genie.load_predefined_character('mika')

genie.tts(
    character_name='mika',
    text='どうしようかな……やっぱりやりたいかも……！',
    play=True,  # 直接播放生成的音频
)

genie.wait_for_playback_done()  # 确保音频播放完成

🎤 TTS 最佳实践

一个简单的 TTS 推理示例：

import genie_tts as genie

# 第一步：加载角色语音模型
genie.load_character(
    character_name='<CHARACTER_NAME>',  # 替换为您的角色名称
    onnx_model_dir=r"<PATH_TO_CHARACTER_ONNX_MODEL_DIR>",  # 包含 ONNX 模型的文件夹
    language='<LANGUAGE_CODE>',  # 替换为语言代码，例如 'en', 'zh', 'jp', 'kr'
)

# 第二步：设置参考音频（用于情感和语调克隆）
genie.set_reference_audio(
    character_name='<CHARACTER_NAME>',  # 必须与加载的角色名称匹配
    audio_path=r"<PATH_TO_REFERENCE_AUDIO>",  # 参考音频的路径
    audio_text="<REFERENCE_AUDIO_TEXT>",  # 对应的文本
)

# 第三步：运行 TTS 推理并生成音频
genie.tts(
    character_name='<CHARACTER_NAME>',  # 必须与加载的角色匹配
    text="<TEXT_TO_SYNTHESIZE>",  # 要合成的文本
    play=True,  # 直接播放音频
    save_path="<OUTPUT_AUDIO_PATH>",  # 输出音频文件路径
)

genie.wait_for_playback_done()  # 确保音频播放完成

print("🎉 Audio generation complete!")

🔧 模型转换

要将原始 GPT-SoVITS 模型转换为 GENIE 格式，请确保已安装 torch：

pip install torch

使用内置的转换工具：

提示： convert_to_onnx 目前支持 V2 和 V2ProPlus 模型。

import genie_tts as genie

genie.convert_to_onnx(
    torch_pth_path=r"<YOUR .PTH MODEL FILE>",  # 替换为您的 .pth 文件
    torch_ckpt_path=r"<YOUR .CKPT CHECKPOINT FILE>",  # 替换为您的 .ckpt 文件
    output_dir=r"<ONNX MODEL OUTPUT DIRECTORY>"  # 保存 ONNX 模型的目录
)

🌐 启动 FastAPI 服务

GENIE 包含一个轻量级的 FastAPI 服务器：

import genie_tts as genie

# 启动服务
genie.start_server(
    host="0.0.0.0",  # 主机地址
    port=8000,  # 端口
    workers=1  # 工作进程数
)

关于请求格式和 API 详情，请参阅我们的 API 服务教程。

📝 路线图

• 🌐 语言扩展

  • 添加对 中文 和 英文 的支持。

• 🚀 模型兼容性

  • 支持 V2ProPlus。
  • 支持 V3、V4 等更多版本。

• 📦 简易部署

  • 发布 官方 Docker 镜像。
  • 提供开箱即用的 Windows 整合包。