中文

日本語
English

中文

日本語
English

Appearance

语音合成设置 ​

概述 ​

语音合成设置允许您配置与AI角色语音合成相关的设置。您可以选择各种语音合成引擎，并调整声音质量和参数。

bash
# 使用的语音合成引擎
# voicevox, koeiromap, google, stylebertvits2, aivis_speech, 
# gsvitts, elevenlabs, openai, azure, nijivoice
NEXT_PUBLIC_SELECT_VOICE=voicevox

注意

当启用实时API模式或音频模式时，不使用语音合成设置。

选择语音合成引擎 ​

选择您的AI角色将使用的语音合成引擎。支持以下引擎：

  • VOICEVOX：专为日语设计的高质量语音合成引擎
  • Koeiromap：情感表达丰富的日语语音合成引擎
  • Google Text-to-Speech：支持多种语言的Google Cloud Text-to-Speech服务
  • Style-Bert-VITS2：可控制风格的高质量语音合成引擎（支持日语、英语和中文）
  • AivisSpeech：使Style-Bert-VITS2模型易于使用的日语语音合成引擎
  • Aivis Cloud API：AivisSpeech的云版本
  • GSVI TTS：可定制的语音合成引擎
  • ElevenLabs：支持多种语言的高质量语音合成服务
  • Cartesia：高质量语音合成服务
  • OpenAI TTS：OpenAI提供的支持多种语言的语音合成服务
  • Azure TTS：Microsoft Azure提供的多语言语音合成服务
  • Nijivoice：提供100多种声音的日语语音合成服务

语音测试 ​

语音测试允许您播放所选语音合成引擎的声音。

执行语音测试 ​

  1. 选择语音合成引擎。
  2. 在语音测试中输入您想要播放的文本。
  3. 点击"播放"按钮。
  4. 语音将会播放。

VOICEVOX ​

bash
# 服务器URL
VOICEVOX_SERVER_URL=http://localhost:50021
# 说话者ID
NEXT_PUBLIC_VOICEVOX_SPEAKER=46
# 速度
NEXT_PUBLIC_VOICEVOX_SPEED=1.0
# 音高
NEXT_PUBLIC_VOICEVOX_PITCH=0.0
# 语调
NEXT_PUBLIC_VOICEVOX_INTONATION=1.0

VOICEVOX是专为日语设计的高质量语音合成引擎。

服务器URL ​

设置访问VOICEVOX Engine API的URL。本地运行VOICEVOX的标准URL是http://localhost:50021。

说话者选择 ​

从VOICEVOX中可用的说话者中选择。您可以使用"测试语音"按钮测试所选说话者的声音。

语音参数调整 ​

  • 速度：可在0.5至2.0范围内调整（值越大，说话越快）
  • 音高：可在-0.15至0.15范围内调整（值越大，声音越高）
  • 语调：可在0.0至2.0范围内调整（值越大，语调越强）

Koeiromap ​

bash
# API密钥
NEXT_PUBLIC_KOEIROMAP_KEY=

Koeiromap是一种情感表达丰富的日语语音合成引擎。现已更名为Koemotion。

API密钥 ​

设置使用Koeiromap API的API密钥。API密钥可从Koemotion获取。

预设和调整 ​

  • 预设：您可以从"可爱"、"有活力"、"酷"和"深沉"等预设中选择
  • X轴：在-10至10范围内调整声音质量
  • Y轴：在-10至10范围内调整声音质量

Google Text-to-Speech ​

bash
# 认证JSON文件的路径
GOOGLE_APPLICATION_CREDENTIALS="./credentials.json"
# API密钥
GOOGLE_TTS_KEY=""
# 语言/模型设置
NEXT_PUBLIC_GOOGLE_TTS_TYPE=

Google Cloud Text-to-Speech是支持多种语言的语音合成服务。

设置 ​

  • 语言选择：设置要使用的语言/语音模型
  • 认证：需要API密钥或认证JSON文件（credentials.json）

有关详细的语音模型，请参阅Google Cloud官方文档。

Style-Bert-VITS2 ​

bash
# 服务器URL
STYLEBERTVITS2_SERVER_URL=""
# API密钥
STYLEBERTVITS2_API_KEY=""
# 模型ID
NEXT_PUBLIC_STYLEBERTVITS2_MODEL_ID=0
# 风格
NEXT_PUBLIC_STYLEBERTVITS2_STYLE=Neutral
# SDP/DP混合比例
NEXT_PUBLIC_STYLEBERTVITS2_SDP_RATIO=0.2
# 说话速度
NEXT_PUBLIC_STYLEBERTVITS2_LENGTH=1.0

Style-Bert-VITS2是一种可控制风格的高质量语音合成引擎。它支持日语、英语和中文。

服务器URL ​

设置Style-Bert-VITS2服务器的URL。

API密钥 ​

使用RunPod启动时需要此项。通常不需要设置。

语音参数调整 ​

  • 模型ID：指定要使用的模型ID
  • 风格：指定语音风格（例如，Neutral）
  • SDP/DP混合比例：可在0.0至1.0范围内调整
  • 说话速度：可在0.0至2.0范围内调整

AivisSpeech ​

bash
# 服务器URL
AIVIS_SPEECH_SERVER_URL=http://localhost:10101
# 说话者ID
NEXT_PUBLIC_AIVIS_SPEECH_SPEAKER=888753760
# 速度
NEXT_PUBLIC_AIVIS_SPEECH_SPEED=1.0
# 音高
NEXT_PUBLIC_AIVIS_SPEECH_PITCH=0.0
# 节拍动态
NEXT_PUBLIC_AIVIS_SPEECH_TEMPO_DYNAMICS="1.0"
# 风格强度
NEXT_PUBLIC_AIVIS_SPEECH_INTONATION_SCALE="1.0"
# 语音前静音时间
NEXT_PUBLIC_AIVIS_SPEECH_PRE_PHONEME_LENGTH="0.1"
# 语音后静音时间
NEXT_PUBLIC_AIVIS_SPEECH_POST_PHONEME_LENGTH="0.1"

AivisSpeech是一种日语语音合成引擎。

服务器URL ​

设置AivisSpeech服务器的URL。本地运行AivisSpeech的标准URL是http://localhost:10101。

说话者选择 ​

从AivisSpeech中可用的说话者中选择。您可以使用"更新说话者列表"按钮更新说话者列表。

语音参数调整 ​

  • 速度：可在0.5至2.0范围内调整（值越大，说话越快）
  • 说话者选择：从可用的说话者中选择
  • 音高：可在-0.15至0.15范围内调整
  • 节拍动态：可在0.5至2.0范围内调整
  • 风格强度：可在0.0至2.0范围内调整（受风格影响）
  • 语音前静音时间：可在0.0至1.0范围内调整
  • 语音后静音时间：可在0.0至1.0范围内调整

Aivis Cloud API ​

bash
# API密钥
AIVIS_CLOUD_API_KEY=""
# 模型UUID
NEXT_PUBLIC_AIVIS_CLOUD_MODEL_UUID=""
# 风格ID
NEXT_PUBLIC_AIVIS_CLOUD_STYLE_ID="0"
# 风格名称
NEXT_PUBLIC_AIVIS_CLOUD_STYLE_NAME=""
# 是否使用风格名称（true/false）
NEXT_PUBLIC_AIVIS_CLOUD_USE_STYLE_NAME="false"
# 速度
NEXT_PUBLIC_AIVIS_CLOUD_SPEED="1.0"
# 音高
NEXT_PUBLIC_AIVIS_CLOUD_PITCH="0.0"
# 节拍动态
NEXT_PUBLIC_AIVIS_CLOUD_TEMPO_DYNAMICS="1.0"
# 情感表达强度
NEXT_PUBLIC_AIVIS_CLOUD_INTONATION_SCALE="1.0"
# 语音前静音时间
NEXT_PUBLIC_AIVIS_CLOUD_PRE_PHONEME_LENGTH="0.1"
# 语音后静音时间
NEXT_PUBLIC_AIVIS_CLOUD_POST_PHONEME_LENGTH="0.1"

Aivis Cloud API是AivisSpeech的云版本。

API密钥 ​

设置使用Aivis Cloud API的API密钥。您可以从Aivis Cloud获取API密钥。

模型UUID ​

设置要使用的模型的UUID。您可以在AivisHub找到模型列表。

风格ID / 风格名称 ​

设置要使用的风格的ID或名称。您可以从模型详细页面查看。默认为0或Normal。

语音参数调整 ​

  • 速度：可在0.5至2.0范围内调整（值越大，说话越快）
  • 音高：可在-0.15至0.15范围内调整（值越大，声音越高）
  • 节拍动态：可在0.5至2.0范围内调整
  • 情感表达强度：可在0.0至2.0范围内调整（受风格影响）
  • 语音前静音时间：可在0.0至1.0范围内调整
  • 语音后静音时间：可在0.0至1.0范围内调整

GSVI TTS ​

bash
# 服务器URL
NEXT_PUBLIC_GSVI_TTS_URL=http://127.0.0.1:5000/tts
# 模型ID
NEXT_PUBLIC_GSVI_TTS_MODEL_ID=0
# 批处理大小
NEXT_PUBLIC_GSVI_TTS_BATCH_SIZE=2
# 说话速率
NEXT_PUBLIC_GSVI_TTS_SPEECH_RATE=1.0

GSVI TTS是一种可定制的语音合成引擎。

服务器URL ​

设置GSVI TTS服务器的URL。本地运行GSVI TTS的标准URL是http://127.0.0.1:5000/tts。

语音参数调整 ​

  • 模型ID：指定要使用的模型ID
  • 批处理大小：影响推理速度（1-100，越大越快但内存使用量也越大）
  • 说话速率：可在0.5至2.0范围内调整

ElevenLabs ​

bash
# API密钥
ELEVENLABS_API_KEY=""
# 语音ID
NEXT_PUBLIC_ELEVENLABS_VOICE_ID=""

ElevenLabs是支持多种语言的高质量语音合成服务。

API密钥 ​

设置使用ElevenLabs API的API密钥。

语音ID ​

设置要使用的语音ID（可从ElevenLabs API查看）

Cartesia ​

bash
# API密钥
CARTESIA_API_KEY=""
# 模型ID
NEXT_PUBLIC_CARTESIA_VOICE_ID=""

Cartesia是高质量语音合成服务。

API密钥 ​

设置使用Cartesia API的API密钥。您可以从Cartesia获取API密钥。免费可用。

模型ID ​

设置要使用的语音模型ID。您可以从这里查看模型。

OpenAI TTS ​

bash
# API密钥
OPENAI_TTS_KEY=""
# 语音类型
NEXT_PUBLIC_OPENAI_TTS_VOICE=shimmer
# 模型
NEXT_PUBLIC_OPENAI_TTS_MODEL=tts-1
# 说话速度
NEXT_PUBLIC_OPENAI_TTS_SPEED=1.0

OpenAI提供的多语言语音合成服务。

API密钥 ​

设置使用OpenAI API的API密钥。

语音参数调整 ​

  • 语音类型：从alloy、echo、fable、onyx、nova、shimmer中选择
  • 模型：从tts-1（标准）、tts-1-hd（高质量）或gpt-4o-mini-tts中选择
  • 说话速度：可在0.25至4.0范围内调整

Azure OpenAPI TTS ​

bash
# API密钥
AZURE_TTS_KEY=""
# 端点
AZURE_TTS_ENDPOINT=""
# 语音类型
NEXT_PUBLIC_OPENAI_TTS_VOICE=shimmer
# 说话速度
NEXT_PUBLIC_OPENAI_TTS_SPEED=1.0

Microsoft Azure提供的多语言语音合成服务。

API密钥 ​

设置Azure TTS API密钥。

端点 ​

设置Azure TTS端点URL。

语音参数调整 ​

  • 语音类型：选择要使用的语音类型
  • 说话速度：可在0.25至4.0范围内调整

Nijivoice ​

bash
# API密钥
NIJIVOICE_API_KEY=""
# 说话者ID
NEXT_PUBLIC_NIJIVOICE_ACTOR_ID=""
# 说话速度
NEXT_PUBLIC_NIJIVOICE_SPEED=1.0
# 情感水平
NEXT_PUBLIC_NIJIVOICE_EMOTIONAL_LEVEL=0.0
# 语音持续时间
NEXT_PUBLIC_NIJIVOICE_SOUND_DURATION=1.0

Nijivoice是一种日语语音合成服务。

API密钥 ​

设置Nijivoice API密钥。

语音参数调整 ​

  • 说话者ID：选择要使用的说话者
  • 说话速度：可在0.4至3.0范围内调整。默认情况下，会自动设置每个角色推荐的说话速度
  • 情感水平：可在0至1.5范围内调整
  • 语音持续时间：可在0至1.7范围内调整