screen-recorder-tts

RPG 游戲字幕語音實時合成，讓無聲文字游戲變有聲！

歡迎大佬們提 PR，一起完善這個項目！！！

Real-time TTS for RPG game subtitles, turning silent text games into audio experiences!

項目地址：https://github.com/tfwcn/screen-recorder-tts

拉取子模塊

git submodule init
git submodule update

1. 安裝依賴

# 創建環境
conda create --name screen-recorder-tts python=3.12 -y
# 激活環境
conda activate screen-recorder-tts# 安裝torch
pip install torch torchvision torchaudio -i https://download.pytorch.org/whl/cu126# 安裝paddlepaddle
pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/# 安裝paddleocr
pip install paddleocr# 安裝依賴
pip install -r requirements.txt

2. 啟動語音合成服務，推薦用 Docker 啟動

# 創建容器
docker run -it --name fish-speech --gpus all -p {你的端口}:8080 -v {項目目錄}/checkpoints:/opt/fish-speech/checkpoints -v {項目目錄}/audio:/opt/fish-speech/audio fishaudio/fish-speech:latest-dev zsh

在容器內執行下面命令

• 下載模型依賴

huggingface-cli download fishaudio/fish-speech-1.5 --local-dir checkpoints/fish-speech-1.5

• 對于中國大陸用戶，可以通過鏡像站下載。

HF_ENDPOINT=https://hf-mirror.com huggingface-cli download fishaudio/fish-speech-1.5 --local-dir checkpoints/fish-speech-1.5

• 啟動服務

python -m tools.api_server --listen 0.0.0.0:8080 --llama-checkpoint-path "checkpoints/fish-speech-1.5" --decoder-checkpoint-path "checkpoints/fish-speech-1.5/firefly-gan-vq-fsq-8x1024-21hz-generator.pth" --decoder-config-name firefly_gan_vq --compile

其他服務部署方式請參考README

3. 啟動腳本

python main.py --url http://127.0.0.1:8080/v1/tts

啟動后框選文字區域，后續在區域內出現的文字會自動進行語音合成并播放。

4. 配置

• 音頻可以在 main.py 中修改

if __name__ == "__main__":args = parse_args()# ref_audios = ['audio/納西坦.wav']# ref_texts = ['在一無所知中，夢里的一天結束了，一個新的輪回便會開始。']ref_audios = ['audio/鐘離.wav']ref_texts = ['在全稻妻范圍內收繳所有神之眼，鑲嵌在千手白眼神像的手中。']