GitHub

将本项目的代码克隆到本地，最好是Ubuntu Linux 环境

从以下的百度网盘地址下载模型，放入本项目的model目录中： 链接: https://pan.baidu.com/s/1rYhtznOYQH7m8g-xZ_2VVQ?pwd=2d5h 提取码: 2d5h

模型文件放入后，models目录结构如下： models/ ├── multi_speakers.bin ├── single_speaker_mid.bin ├── single_speaker_english.bin ├── single_speaker_english_fast.bin └── single_speaker_fast.bin

进入Build 目录，执行以下命令： cmake .. make

编译完成后，会在Build 目录中生成 tts_test 执行程序

运行下列命令，测试中文语音合成（TTS）： ./tts_test ../test.txt ../models/single_speaker_fast.bin out.wav

运行下列命令，测试英文语音合成（TTS）： ./tts_test ../test_eng.txt ../models/single_speaker_english.bin out_eng.wav

该命令行中： 第一个参数为是文本文件的路径，该文件包含需要被合成语音的文本。 第二个参数是前面提到的模型的路径，文件名开头的single 和 multi 表示模型包含了单个说话人还是多个说话人。推荐单说话人模型：single_speaker_fast.bin, 合成的速度较快，合成的音质也还行。 第三个参数是合成的音频文件，程序运行完之后生成该文件，可以用播放器打开。

以上的测试程序实现在 test/main.cpp 中，具体合成的接口定义在 include/SynthesizerTrn.h， 如下： int16_t * infer(const string & line, int32_t sid, float lengthScale, int32_t & dataLen)

该接口的： 第一个参数是待合成的语音的字符串。 第二个参数指定说话人的id 用于合成语音，该参数对多说话人模型有效，对单说话人模型，固定为0。说话人的个数可由接口 int32_t getSpeakerNum() 返回，有效id 为 0 到 该接口返回的说话人数量减1。 第三个参数 lengthScale 表示合成语音的语速，其值越大表示语速越慢。

待合成的文本中可以包含阿拉伯数字和标点，但因为本项目的 文本正则化(TN) 模块还很粗糙，对于英文字符，会直接忽略。也因为文本正则化(TN) 模块还很粗糙，对不同语境下的多音字发音有时候会不准确。