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

GENIE 是基于开源 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 服务器等核心功能，旨在提供极致的性能与便利性。

• ✅ 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: >= 3.9

🎬 演示视频

• ➡️ 观看演示视频（中文）

🚀 性能优势

GENIE 对原始模型进行了优化，使其在 CPU 上表现出色。

📝 延迟测试信息: 所有延迟数据均基于包含 100 句日语句子（每句约 20 字）的测试集取平均值。测试平台为 CPU i7-13620H。

🏁 快速入门

⚠️ 重要提示: 建议以 管理员模式 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（约 391MB）。您可以按照库的提示自动下载这些文件。

或者，您也可以手动从 HuggingFace 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

# 设置您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

# 此时，库将从指定目录加载资源

如果您希望使用仅用于 中文推理 的可选 Chinese RoBERTa 文本特征来改善中文韵律，还可以通过以下方式下载：

import genie_tts as genie

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

# 或者使用内置的完整资源下载流程，
# 其中也会下载可选的 Chinese RoBERTa 资源
genie.download_genie_data()

这些 RoBERTa 特征仅适用于 中文 路径，用于改善中文韵律。它们 不应 用于非中文推理（日语 / 英语 / 韩语）。

⚡️ 快速试用

还没有 GPT-SoVITS 模型？没关系！GENIE 包含多个预定义的说话人角色，您可以立即使用——例如：

• Mika (聖園ミカ) — Blue Archive（日语）
• ThirtySeven (37) — Reverse: 1999（英语）
• Feibi (菲比) — Wuthering Waves（中文）

您可以在这里浏览所有可用的角色： https://huggingface.co/High-Logic/Genie/tree/main/CharacterModels

使用下面的示例进行尝试：

import genie_tts as genie
import time

# 第一次运行时会自动下载所需文件
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：加载说话人声音模型
genie.load_character(
    character_name='<CHARACTER_NAME>',  # 替换为您选择的角色名称
    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，如 'en'、'zh'、'jp'
)

# 第二步：设置参考音频（用于情感和语调的克隆）
genie.set_reference_audio(
    character_name='<CHARACTER_NAME>',  # 必须与已加载的角色名称一致
    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>',  # 必须与已加载的角色一致
    text="<TEXT_TO_SYNTHESIZE>",  # 要合成的文本
    play=True,  # 直接播放音频
    save_path="<OUTPUT_AUDIO_PATH>",  # 输出音频文件的路径
)

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

print("🎉 音频生成完成！")

🔧 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

然后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 服务器

GENIE 内置了一个轻量级的 FastAPI 服务器：

import genie_tts as genie

# 启动服务器
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 服务器教程。

📝 路线图

• 🌐 语言扩展

  • 增加对 中文 和 英语 的支持。

• 🚀 模型兼容性

  • 支持 V2Proplus。
  • 计划支持 V3、V4 等更多版本。

• 📦 易部署

  • 发布 官方 Docker 镜像。
  • 提供开箱即用的 Windows 安装包。

Genie-TTS 快速上手指南

Genie 是一个基于 GPT-SoVITS 构建的轻量级推理引擎，专为 CPU 优化，旨在提供近乎实时的语音合成体验。支持日语、英语、中文和韩语。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：推荐 Windows（提供开箱即用的支持），Linux/macOS 亦可运行。
• Python 版本：>= 3.9
• 运行权限：强烈建议以管理员身份运行终端或 IDE，以避免潜在的性能下降问题。
• 前置依赖：
  • 基础运行仅需安装 genie-tts。
  • 若需进行模型转换（将 PyTorch 模型转为 ONNX），需额外安装 torch。

2. 安装步骤

方式一：通过 Pip 安装（推荐）

直接使用 pip 安装核心库：

pip install genie-tts

提示：国内用户若下载缓慢，可指定国内镜像源加速：

pip install genie-tts -i https://pypi.tuna.tsinghua.edu.cn/simple

方式二：资源文件配置

首次运行时，库会自动下载约 391MB 的资源文件。您也可以手动下载并配置，以加快加载速度或使用离线环境。

1. 从 HuggingFace 下载资源文件到本地文件夹。
2. 在代码导入 genie_tts 之前设置环境变量：

import os

# 设置自定义资源目录路径 (请在导入 genie_tts 前执行)
os.environ["GENIE_DATA_DIR"] = r"C:\path\to\your\GenieData"

import genie_tts as genie

可选：若需提升中文合成的韵律表现，可单独下载 Chinese RoBERTa 特征：

import genie_tts as genie
genie.download_roberta_data()

3. 基本使用

Genie 内置了多个预定义角色（如《蔚蓝档案》的 Mika、《重返未来：1999》的 37 等），无需训练即可直接试用。

最简单的使用示例

以下代码将加载预设角色 "mika" 并合成一句日语台词，同时直接播放音频：

import genie_tts as genie
import time

# 1. 加载预定义角色 (首次运行会自动下载该角色模型)
genie.load_predefined_character('mika')

# 2. 执行 TTS 推理
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,  # 生成后直接播放音频
)

# 3. 等待播放结束
genie.wait_for_playback_done()

自定义角色与参考音频

如果您已有自己的 GPT-SoVITS 模型（ONNX 格式）或希望克隆特定声音的情感，可按以下步骤操作：

import genie_tts as genie

# 步骤 1: 加载自定义角色模型
genie.load_character(
    character_name='my_character',       # 自定义角色名称
    onnx_model_dir=r"./models/my_char",  # 包含 ONNX 模型的文件夹路径
    language='zh',                       # 语言代码：'zh', 'en', 'jp', 'ko'
)

# 步骤 2: 设置参考音频 (用于情感与语调克隆)
genie.set_reference_audio(
    character_name='my_character',
    audio_path=r"./ref_audio.wav",       # 参考音频路径
    audio_text="这是参考音频对应的文本",   # 参考音频的文本内容
)

# 步骤 3: 合成语音并保存
genie.tts(
    character_name='my_character',
    text="这是我要合成的新文本",
    play=True,
    save_path="./output.wav"             # 输出文件路径
)

genie.wait_for_playback_done()
print("🎉 音频生成完成！")