xsl
12eb1eab44
通过 Voice Design 试听选定各角色参考音色，Style Control 全量克隆并部署到 audio/mp3/tts；清理未引用音频与 audio_1 旧产物。
74 lines
3.7 KiB
Markdown
74 lines
3.7 KiB
Markdown
# 《林夏》角色 Voice Design 提示词
|
||
|
||
> **模式**：VoxCPM2 **Voice Design**（纯提示词，**不使用** `voice/` 参考音频）
|
||
> **接口**：`POST /v1/speech/styled` — `{ "text": "...", "style": "..." }`（**不传** `voice_id`）
|
||
> **目的**：每个角色用不同提示词生成**不同音色**；同角色内用表演修饰控制 warm/cold 等分支。
|
||
|
||
---
|
||
|
||
## 1. 与 v2 的区别
|
||
|
||
| | v2 (`v2_styled`) | v3 (`v3_voice_design`) |
|
||
|---|---|---|
|
||
| 音色来源 | `voice/{角色}/` 参考音频克隆 | 提示词描述音色 |
|
||
| API | `voice_id` + `style` | 仅 `style` |
|
||
| 同角色音色 | 与 audio_1 相同 | **全新，各角色互不相同** |
|
||
|
||
---
|
||
|
||
## 2. 角色音色提示词（Voice Design 核心）
|
||
|
||
| 角色 | 性别 | design 提示词 |
|
||
|------|------|--------------|
|
||
| `linxia` | 女 | 24岁中国女性，中低音女声，声线偏薄但稳定，疲惫但清醒，克制有温度，普通话，像深夜发微信语音 |
|
||
| `mom` | 女 | 52岁中国女性，温厚的中老年女声，音色略哑，轻微西部口音，说话慢而稳，像母亲打电话 |
|
||
| `azhe` | **男** | 27岁中国男性，清朗偏低男声，城市口音，理性偏冷，语速平稳，用词克制，略带距离感 |
|
||
| `xiaomei` | 女 | 24岁中国女性，明亮偏高的女声，语速快，活泼直接，像闺蜜连发语音，能量足 |
|
||
| `xiaomei_drunk` | 女 | 24岁中国女性，同闺蜜音色但喝醉了，口齿略含糊，情绪起伏大，时而哭时而笑 |
|
||
| `zhounan` | **男** | 26岁中国男性，温和偏闷的男中音，略拘谨，语速偏慢，像很久没联系的老同学，真诚不油 |
|
||
| `hr` | 女 | 38岁中国女性，成熟职场女声，中音区，知性干练，疲惫的善意，像HR发工作语音 |
|
||
| `anan` | 女 | 23岁中国女性，甜亮高音女声，语速快，比闺蜜更嗲，像在酒吧里喊，背景略吵 |
|
||
| `dorm_a` | 女 | 22岁中国女性，兴奋尖亮女声，语速很快，像群里报喜，充满喜悦 |
|
||
| `dorm_b` | 女 | 23岁中国女性，普通随和女声，中音，语速正常，像室友起哄 |
|
||
| `dorm_c` | 女 | 23岁中国女性，温柔低声女声，语速略慢，像注意到朋友沉默的室友 |
|
||
| `delivery` | **男** | 30岁中国北方男性，**男声**，偏低略粗，麻利直接，语速快，北方口音，像外卖小哥打电话 |
|
||
| `self_3y` | 女 | 21岁中国女性，比林夏更亮更高的女声，刚来北京，兴奋带紧张，声音更年轻 |
|
||
|
||
配置文件：`audio_2/voice_style_prompts.py`
|
||
|
||
---
|
||
|
||
## 3. 表演修饰（同角色叠加）
|
||
|
||
林夏等分支台词会在音色描述后追加，例如：
|
||
|
||
- `_warm` → `，语气温暖开放，柔软但有分寸`
|
||
- `_cold` → `，语气冷淡疏离，短促`
|
||
- 妈妈长语音 seg1–seg8、周南 seg1–seg4、小美醉 seg1–seg4 等见 `voice_style_prompts.py`
|
||
|
||
---
|
||
|
||
## 4. 批量生产
|
||
|
||
```bash
|
||
VOXCPM_PORT=8002 bash /home/xsl/tts-server/start-voxcpm.sh
|
||
|
||
# 全量
|
||
VOXCPM_PORT=8002 python audio_2/scripts/02_gen_tts_voice_design.py --force
|
||
|
||
# 试听单个角色
|
||
python audio_2/scripts/02_gen_tts_voice_design.py --role delivery --test --force
|
||
python audio_2/scripts/02_gen_tts_voice_design.py --role linxia --test --force
|
||
```
|
||
|
||
输出：`audio_2/tts/v3_voice_design/*_wav_v3.mp3`
|
||
清单：`audio_2/tts/v3_voice_design/voice_design_manifest.tsv`
|
||
|
||
---
|
||
|
||
## 5. 注意事项
|
||
|
||
1. **Voice Design 同角色各条之间音色可能略有漂移**——无参考音频锚定。若某角色不稳定，可挑一条满意的音频注册为参考，改回 Style Control。
|
||
2. **调整音色**：改 `ROLE_VOICE_DESIGN` 里对应角色的描述，重跑该角色即可。
|
||
3. **外卖小哥必须是男声**——已在 `delivery` 提示词中写明「中国北方男性，男声」。
|