diff --git a/docs/huoshan-streamTTS-voice-cloning.md b/docs/huoshan-streamTTS-voice-cloning.md index 604a94dc..8467bf1f 100644 --- a/docs/huoshan-streamTTS-voice-cloning.md +++ b/docs/huoshan-streamTTS-voice-cloning.md @@ -1,20 +1,24 @@ # 火山双流式语音合成+音色克隆配置教程 使用火山引擎双向流式语音合成服务的同时进行声音克隆,支持WebSocket协议流式调用。 -### 1.开通火山引擎服务 +## 1.开通火山引擎服务 访问 https://console.volcengine.com/speech/app 在应用管理创建应用,勾选语音合成大模型和声音复刻大模型,左边列表点击声音复刻大模型后下滑获得App Id,Access Token,Cluster ID以及声音ID(S_xxxxx) -### 2.克隆音色 -#####2.1全模块部署 +## 2.克隆音色 +###2.1全模块部署 1.填写配置。 -如果你是全模块部署,请在智控台页面模型配置的语音合成页面,找到“火山双流式语音合成”,点击修改,将你火山引擎的App Id,Access Token以及声音ID(S_xxxxx)填入,注意:把资源id(Resource-Id)改成```volc.megatts.defaul```或```seed-icl-1.0``` + +如果你是全模块部署,请在智控台页面模型配置的语音合成页面,找到“火山双流式语音合成”,点击修改,将你火山引擎的App Id,Access Token以及声音ID(S_xxxxx)填进去, +注意:把资源id(Resource-Id)改成```volc.megatts.defaul```或```seed-icl-1.0``` 2.音色克隆。 + 准备一段8-60之间的音频文件,点击音色克隆菜单的音色资源,新增音色资源。回到音色克隆页面,点击上传音频。上传好音频之后点击复刻,等1~2秒会返回结果。 复刻成功后,在“火山双流式语音合成”的“音色资源”里可以看到你复刻好的声音,也可以在配置角色使用“火山双流式语音合成”时选择复刻的音色了。 -#####2.2单模块部署 +###2.2单模块部署 克隆音色请参照教程 https://github.com/104gogo/huoshan-voice-copy 1.音色克隆。 + 准备一段 10-30 秒的音频文件(.wav格式)添加到克隆的项目中,将平台获得的密钥填入```uploadAndStatus.py```和```tts_http_demo.py``` 在uploadAndStatus.py中,将 audio_path=修改成自己的.wav文件名称 @@ -31,7 +35,8 @@ python tts_http_demo.py 回到火山引擎控制台页面,刷新可以看到声音复刻详情的状态是复刻成功。 2.填写配置文件(.config.yaml) -修改 resource_id的参数为``` volc.megatts.default``` + +注意:修改 resource_id的参数为``` volc.megatts.default``` speaker的参数填入声音ID(S_xxxxx) 启动服务,唤醒小智发出的声音是克隆的音色即成功。 \ No newline at end of file