Skip to content

Latest commit

 

History

History
144 lines (101 loc) · 6.22 KB

webui_features.md

File metadata and controls

144 lines (101 loc) · 6.22 KB
Raw

ChatTTS-Forge WebUI Features

webui.py

WebUI.py 是一个用于配置和启动 Gradio Web UI 界面的脚本。

usage: webui.py [-h] [--server_name SERVER_NAME] [--server_port SERVER_PORT] [--share] [--debug]
                [--auth AUTH] [--tts_max_len TTS_MAX_LEN] [--ssml_max_len SSML_MAX_LEN]
                [--max_batch_size MAX_BATCH_SIZE] [--webui_experimental] [--language LANGUAGE] [--api]
                [--compile] [--no_half] [--off_tqdm] [--device_id DEVICE_ID]
                [--use_cpu {all,chattts,enhancer} [{all,chattts,enhancer} ...]] [--lru_size LRU_SIZE]
                [--debug_generate] [--preload_models] [--cors_origin CORS_ORIGIN] [--no_playground]
                [--no_docs] [--exclude EXCLUDE]

Gradio App

options:
  -h, --help            show this help message and exit
  --server_name SERVER_NAME
                        server name
  --server_port SERVER_PORT
                        server port
  --share               share the gradio interface
  --debug               enable debug mode
  --auth AUTH           username:password for authentication
  --tts_max_len TTS_MAX_LEN
                        Max length of text for TTS
  --ssml_max_len SSML_MAX_LEN
                        Max length of text for SSML
  --max_batch_size MAX_BATCH_SIZE
                        Max batch size for TTS
  --webui_experimental  Enable webui_experimental features
  --language LANGUAGE   Set the default language for the webui
  --api                 use api=True to launch the API together with the webui (run launch.py for only API
                        server)
  --compile             Enable model compile
  --no_half             Disalbe half precision for model inference
  --off_tqdm            Disable tqdm progress bar
  --device_id DEVICE_ID
                        Select the default CUDA device to use (export CUDA_VISIBLE_DEVICES=0,1,etc might be
                        needed before)
  --use_cpu {all,chattts,enhancer} [{all,chattts,enhancer} ...]
                        use CPU as torch device for specified modules
  --lru_size LRU_SIZE   Set the size of the request cache pool, set it to 0 will disable lru_cache
  --debug_generate      Enable debug mode for audio generation
  --preload_models      Preload all models at startup
  --cors_origin CORS_ORIGIN
                        Allowed CORS origins. Use '*' to allow all origins.
  --no_playground       Disable the playground entry
  --no_docs             Disable the documentation entry
  --exclude EXCLUDE     Exclude the specified API from the server

tips:

  • 所有参数均可在 .env.webui 中以大写形式配置 （比如 no_docs => NO_DOCS）
  • 在命令行之后的参数优先级高于 .env 参数
  • 从 webui.py 入口启动， 可与 api 同时启动，api 的配置在下方 launch.py 脚本参数中说明， 开启后可在 http://localhost:7860/docs 查看 api
  • 由于 MKL FFT doesn't support tensors of type: Half 所以 --use_cpu="all" 时需要开启 --no_half

TTS

该页面提供了一个强大的对话式文本转语音（TTS）模型接口，支持中英文混读和多说话人能力。用户可以通过调节各种参数生成高质量的语音输出。

使用流程

  1. 采样参数设置

    • 温度（Temperature）: 使用滑块调整，范围 0.01 到 2.0，默认值为 0.3。
    • Top P: 使用滑块调整，范围 0.1 到 1.0，默认值为 0.7。
    • Top K: 使用滑块调整，范围 1 到 50，默认值为 20。
    • 批处理大小（Batch Size）: 使用滑块调整，范围 1 到最大批处理大小，默认值为 4。

  2. 风格选择

    • 选择样式（Style）: 从下拉菜单中选择预设样式，默认值为*auto。

  3. 说话人选择

    • 选择说话人: 可以从下拉菜单中选择预设说话人，或手动输入说话人名称或种子。
    • 上传说话人文件: 通过上传文件来自定义说话人。

  4. 推理种子

    • 设置推理种子（Inference Seed），可以手动输入或点击按钮随机生成。

  5. Prompt 工程

    • 输入 Prompt 1、Prompt 2 和前缀（Prefix）。
    • 上传音频提示（如果启用了实验性功能）。

  6. 文本输入

    • 输入需要转换的文本，注意字数限制和英文文本的特殊标记。

  7. 示例选择

    • 从下拉菜单中选择示例文本，快速填充输入框。

  8. 生成音频

    • 点击“生成音频”（Generate Audio）按钮，生成语音输出。
    • 可选：启用增强（Enhance）和去噪（De-noise）功能。

  9. 文本优化

    • 输入优化提示（Refine Prompt），点击优化文本（Refine Text）按钮，对文本进行优化。

screenshot

SSML

🚧 施工中

Spliter

🚧 施工中

Speaker

Speaker Creator

使用本面板快捷抽卡生成 speaker.pt 文件。

  1. 生成说话人：输入种子、名字、性别和描述。点击 "Generate speaker.pt" 按钮，生成的说话人配置会保存为.pt 文件。
  2. 测试说话人声音：输入测试文本。点击 "Test Voice" 按钮，生成的音频会在 "Output Audio" 中播放。
  3. 随机生成说话人：点击 "Random Speaker" 按钮，随机生成一个种子和名字，可以进一步编辑其他信息并测试。

screenshot

Speaker Merger

在本面板中，您可以选择多个说话人并指定他们的权重，合成新的语音并进行测试。以下是各个功能的详细说明：

  1. 选择说话人: 您可以从下拉菜单中选择最多四个说话人（A、B、C、D），每个说话人都有一个对应的权重滑块，范围从 0 到 10。权重决定了每个说话人在合成语音中的影响程度。
  2. 合成语音: 在选择好说话人和设置好权重后，您可以在“Test Text”框中输入要测试的文本，然后点击“测试语音”按钮来生成并播放合成的语音。
  3. 保存说话人: 您还可以在右侧的“说话人信息”部分填写新的说话人的名称、性别和描述，并点击“Save Speaker”按钮来保存合成的说话人。保存后的说话人文件将显示在“Merged Speaker”栏中，供下载使用。

screenshot

FQA

  1. 如何增加文本上限？ 配置 .env.webui 环境变量文件即可