Skip to content

使用指南

Python API

您可以在 Python 项目中直接调用 supertonic-mnn。

基础示例

简化后的 API 封装了模型加载和推理过程。

from supertonic_mnn import SupertonicTTS

# 1. 初始化
# 精度可以是 "fp16" (默认), "fp32", 或 "int8"
tts = SupertonicTTS(precision="fp16")

# 2. 合成
# 如果默认缓存目录中没有模型，会自动下载。
# 您可以指定 output_file 参数直接保存音频。
audio_data, sample_rate = tts.synthesize(
    text="欢迎使用 Supertonic MNN。",
    voice="M1",
    output_file="output.wav"
)

print(f"语音已合成，采样率为 {sample_rate}Hz。")

进阶用法

您可以自定义模型目录，并按需使用底层 API。

from supertonic_mnn import SupertonicTTS

# 指定自定义模型目录和精度
tts = SupertonicTTS(model_dir="./custom_models", precision="int8")

# 合成但不保存到文件 (返回 numpy 数组)
audio_data, sample_rate = tts.synthesize("你好，世界", voice="F1", speed=1.2)

# 使用辅助方法手动保存
tts.save("fast_hello.wav", audio_data, sample_rate)

命令行接口 (CLI)

本软件包提供了一个 supertonic-mnn 命令，用于快速使用。

文本合成

supertonic-mnn -i input.txt -o output.wav --voice M1

或者使用标准输入：

echo "你好，世界" | supertonic-mnn -o hello.wav

可用音色

音色 ID 描述
M1 男声 1
M2 男声 2
F1 女声 1
F2 女声 2

选项

  • -i, --input-file: 文本文件路径 (utf-8)。
  • -o, --output: 输出 wav 文件路径。
  • --voice: 语音风格名称 (M1, M2, F1, F2) 或风格 JSON 文件路径。
  • --speed: 语速 (默认 1.0)。
  • --steps: 扩散步数 (默认 5)。
  • --precision: 模型精度 (fp16, fp32, int8)。