update:更新火山双流式语音合成+音色克隆配置文档

This commit is contained in:
rainv123
2025-10-14 15:16:51 +08:00
parent 55348ffe65
commit afc142b397
+3 -6
View File
@@ -2,23 +2,20 @@
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
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 IdAccess TokenCluster ID以及声音ID(S_xxxxx)
## 2.克隆音色
###2.1全模块部署
1.填写配置。
##2.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)填进去,
注意:把资源idResource-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
###3.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