/cosyvoice-api

一个用于CosyVoice的api接口项目

Primary LanguagePythonApache License 2.0Apache-2.0

适用于 CosyVoice 的 API 接口项目

由于 CosyVoice 官方未提供api接口，为方便使用，而创建本api项目，若要使用，需提前先安装部署好 CosyVoice

使用方法

先部署好 CosyVoice，具体部署方法参考 CosyVoice，如果是windows部署，可参考博客文章 https://juejin.cn/post/7389946395066368035

  1. 下载本仓库中 api.py 文件，然后复制到 CosyVoice 项目下同 webui.py 放于同一目录中
  2. 安装模块 flask和waitress, 安装命令 pip install flask waitress
  3. 启动api服务，python api.py
  4. 如果要合成多行文本，需要提前安装 ffmpeg

在其他整合包中时

  1. 首先确保整合包可以正常运行webui
  2. 复制此api.py到整合包内
  3. 查看整合包内的python路径，执行 python api.py, 如果整合包内存在 bat 文件，可以记事本打开，查看 python.exe 所在路径，例如路径为 '.\py311\python.exe',那么执行命令.\py311\python.exe api.py

接口信息

默认接口地址是 http://127.0.0.1:9233

对外有3个接口，分别如下

单纯语音合成接口

api地址: {api url}/tts

参数：

text:待合成的文本

role:预置语音角色 "中文男|中文女|英文男|英文女|日语男|韩语女|粤语女" 选其一

请求示例

import requests

data={
    "text":"你好啊亲爱的朋友们，今天天气不错，暴风骤雨哗哗的。",
    "role":"中文女"
}

response=requests.post(f'http://127.0.0.1:9233/tts',data=data,timeout=3600)


if response.status_code!=200:
    # 出错了
    print(response.json())
else:
    # 返回的wav数据流，可直接保存
    with open("./tts.wav",'wb') as f:
        f.write(response.content)

同语言克隆

api地址: {url}/clone_eq

参数：

text:待合成的文字

reference_audio:需要克隆音色的参考音频wav，5-10s最佳

reference_text:该参考音频对应的文本内容

请求示例

import requests

data={
    "text":"你好啊亲爱的朋友们，今天天气不错，暴风骤雨哗哗的。",
    "reference_audio":"10.wav",
    "reference_text":"参考音频10.wav对应的文本内容"
}

response=requests.post(f'http://127.0.0.1:9233/tts',data=data,timeout=3600)


if response.status_code!=200:
    # 出错了
    print(response.json())
else:
    # 返回的wav数据流，可直接保存
    with open("./clone_eq.wav",'wb') as f:
        f.write(response.content)

跨语言克隆

地址： /clone_mul

参数:

text:待克隆的文字

lang:text文字对应的语言代码 “zh|en|jp|ko|yue”

reference_audio:要克隆音色的参考音频wav

请求示例：

import requests

data={
    "text":"hello,my friend,I hope you a happy day.",
    "lang":"en"
    "reference_audio":"10.wav",
}

response=requests.post(f'http://127.0.0.1:9233/tts',data=data,timeout=3600)


if response.status_code!=200:
    # 出错了
    print(response.json())
else:
    # 返回的wav数据流，可直接保存
    with open("./clone_eq.wav",'wb') as f:
        f.write(response.content)

API 使用注意问题

  1. 当一行文字中有句话。时，有时会发生只合成了句话之前的文字，句号之后的没有合成，为避免该问题，已自动将句话替换为了逗号，。
  2. api.py 支持合成多行文字，例如1000行，前提是需要预先安装 ffmpeg，在实际合成中，将按行依次合成，然后再使用ffmpeg将所有合成片段连接为一个文件。
  3. 一行不要太长，否则合成很慢，效果也不佳。
  4. 使用api.py 需额外安装 flask和waitress这2个模块
  5. 预先只加载了用于单纯文字合成语音的模型，没有预加载克隆模型，第一次使用时才会加载模型，因此第一次使用克隆音色时可能比较慢。