screen-recorder-tts

RPG 游戏字幕语音实时合成，让无声文字游戏变有声！

欢迎大佬们提 PR，一起完善这个项目！！！

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

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

拉取子模块

git submodule init
git submodule update

1. 安装依赖

# 创建环境
conda create --name screen-recorder-tts python=3.12 -y
# 激活环境
conda activate screen-recorder-tts# 安装torch
pip install torch torchvision torchaudio -i https://download.pytorch.org/whl/cu126# 安装paddlepaddle
pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/# 安装paddleocr
pip install paddleocr# 安装依赖
pip install -r requirements.txt

2. 启动语音合成服务，推荐用 Docker 启动

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

在容器内执行下面命令

• 下载模型依赖

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

• 对于中国大陆用户，可以通过镜像站下载。

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

• 启动服务

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

其他服务部署方式请参考README

3. 启动脚本

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

启动后框选文字区域，后续在区域内出现的文字会自动进行语音合成并播放。

4. 配置

• 音频可以在 main.py 中修改

if __name__ == "__main__":args = parse_args()# ref_audios = ['audio/纳西坦.wav']# ref_texts = ['在一无所知中，梦里的一天结束了，一个新的轮回便会开始。']ref_audios = ['audio/钟离.wav']ref_texts = ['在全稻妻范围内收缴所有神之眼，镶嵌在千手白眼神像的手中。']