SoundGame Dev
cc0f8c008d
- 新增 web/ 纯音频 HTML5 平台：共享引擎（手势/WebAudio 三层/设置/震动）、 Node 零依赖服务器（静态 + 注册登录 + 进度存档 API） - 游戏：剑与声(RPG 新作)、声命线、暗室(重设计)、音序回响(重设计)、 节拍行者(跟随领奏重构)、盲航(同向闪避重构)；声东击西删除 - 全局功能：男声/女声双套 TTS 资产、三档语速、BGM 音量三档、 震动反馈语言(10 种震型)、服务器进度同步 - 资产：899 ogg + 899 m4a（Qwen3-TTS 双性别语音、Stable Audio 3 音效、 Mureka BGM 4+3 首），终检零缺失 - 文档：docs/design/ 13 篇设计审查文档、docs/audio/ 资产管线、 web/server/README.md API 文档
79 lines
2.7 KiB
Python
79 lines
2.7 KiB
Python
"""节拍行者 — 语音对白生成（Qwen3-TTS CustomVoice）。
|
||
|
||
用法（必须 flock，GPU 与其他 agent 共享）：
|
||
flock /home/ubuntu/SoundGame/.gpu.lock \
|
||
/home/ubuntu/SoundGame/.venv-tts/bin/python gen_voice.py
|
||
|
||
产出 web/rhythm/audio/voice/*.wav（24kHz），随后由 gen_convert.sh 转 ogg/m4a。
|
||
"""
|
||
import os
|
||
|
||
os.environ.setdefault("HF_HOME", "/home/ubuntu/SoundGame/models/hf")
|
||
os.environ.setdefault("HF_ENDPOINT", "https://hf-mirror.com")
|
||
|
||
import numpy as np
|
||
import soundfile as sf
|
||
import torch
|
||
from qwen_tts import Qwen3TTSModel
|
||
|
||
OUT = "/home/ubuntu/SoundGame/web/rhythm/audio/voice"
|
||
os.makedirs(OUT, exist_ok=True)
|
||
|
||
# (id, 文本, 情感指令)
|
||
LINES = [
|
||
("welcome",
|
||
"欢迎来到节拍行者！规则很简单：仔细听提示音，在下一个节拍，做出对应的动作。"
|
||
"建议用有线耳机或扬声器游玩，蓝牙耳机会有延迟。",
|
||
"热情活力的游戏解说语气"),
|
||
("rules",
|
||
"听好了：上行音，向上滑；下行音，向下滑；低音，向左滑；高音，向右滑；"
|
||
"一声轻响，单击；两声轻响，快速双击。",
|
||
"清晰利落的教学语气，节奏感强"),
|
||
("tut_start",
|
||
"先来四小节练习。跟着节拍器，听到提示音，就在下一拍做动作。大胆做！",
|
||
"鼓励的语气"),
|
||
("tut_done",
|
||
"练习结束！正式挑战开始，一共四十个指令。预备！",
|
||
"兴奋、充满干劲的语气"),
|
||
("grade_s",
|
||
"评级，S！完美无缺，你就是节拍大师！",
|
||
"极度兴奋、欢呼的语气"),
|
||
("grade_a",
|
||
"评级，A！非常出色，差一点就完美了！",
|
||
"开心赞许的语气"),
|
||
("grade_b",
|
||
"评级，B。不错不错，继续加油！",
|
||
"温和鼓励的语气"),
|
||
("grade_c",
|
||
"评级，C。别灰心，多听节拍，你一定行！",
|
||
"安慰打气的语气"),
|
||
("restart",
|
||
"单击屏幕，再来一局。",
|
||
"轻松愉快的语气"),
|
||
]
|
||
|
||
model = Qwen3TTSModel.from_pretrained(
|
||
"Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice",
|
||
device_map="cuda:0",
|
||
dtype=torch.bfloat16,
|
||
)
|
||
|
||
wavs, sr = model.generate_custom_voice(
|
||
text=[t for _, t, _ in LINES],
|
||
language=["Chinese"] * len(LINES),
|
||
speaker=["Vivian"] * len(LINES),
|
||
instruct=[i for _, _, i in LINES],
|
||
)
|
||
|
||
for (vid, text, _), wav in zip(LINES, wavs):
|
||
wav = np.asarray(wav, dtype=np.float32)
|
||
dur = len(wav) / sr
|
||
peak = float(np.max(np.abs(wav))) if len(wav) else 0.0
|
||
assert dur > 0.3, f"{vid}: 时长异常 {dur:.2f}s"
|
||
assert peak > 0.05, f"{vid}: 峰值异常 {peak:.3f}"
|
||
path = os.path.join(OUT, vid + ".wav")
|
||
sf.write(path, wav, sr)
|
||
print(f"{vid}: {dur:.2f}s peak={peak:.3f} -> {path}")
|
||
|
||
print("ALL OK")
|