xsl/blind

Files

T

xslandClaude Sonnet 4.6 e5d3d44f9d 移除 GPT-SoVITS 和 Fish Speech，整理 audio_1 脚本与文档

- 删除 03_gen_tts_gptsovits.py、00_transcribe_refs.py、ref_texts.json
- 删除 02_gen_tts_fishspeech.py 及 tts/v2_fishspeech/ 生成结果
- 保留 VoxCPM2 / ACE-Step / Stable Audio 三条链路
- 更新执行文档和技术报告，清除两款 TTS 的所有引用

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

2026-05-20 23:12:01 +08:00

4.8 KiB

Raw Blame History

《林夏》音频资源重制执行文档

创建日期：2026-05-20
目标：独立生成一套 TTS 语音 + 两套音乐音效，供对比选择
游戏代码不做任何修改，audio_1/ 仅用于评听比较

一、目录结构

audio_1/
├── 执行文档.md          ← 本文件
├── tts/
│   └── v1_voxcpm2/     TTS版本1：VoxCPM2（原方案复刻）
└── music/
    ├── v1_acestep/     音乐版本1：ACE-Step 1.5（原方案复刻）
    │   ├── music/
    │   ├── sfx/
    │   └── ambience/
    └── v2_stableaudio/ 音乐版本2：Stable Audio Open 1.0
        ├── music/
        ├── sfx/
        └── ambience/

文件命名规则： 与 audio/mp3/tts/ 完全相同（如 v2_msg02_linxia_warm_wav_v1.mp3）
→ 若要上游切换到某版本，只需将对应目录复制覆盖 audio/mp3/tts/ 即可

二、资源清单

类别	文件数	说明
TTS — NPC 来电语音	~30	lv11_* 开头，妈妈/小美/外卖/阿哲等11个角色
TTS — 林夏回应	~90	v2_msglinxia
TTS — NPC 反应	~60	v2_msgreact
TTS — 系统提示	4	v2_sys_*
TTS — 结局旁白	7	v2_ending_*
TTS 合计	~190
音乐 BGM	4	lv11_bgm_m1~m4
铃声	9	lv11_ring_*
音效 SFX	18	sfx_*
环境氛围	6	amb_*
音乐合计/版本	37	× 2 版本 = 74个文件

三、技术方案

音乐工具对比

项目	v1 ACE-Step	v2 Stable Audio
conda 环境	acestep	stableaudio
优势	已验证效果，可控 seed	44.1kHz 立体声，音效更真实
劣势	音乐结构感强，SFX 偏长	不擅长节奏明确的循环 BGM
最适合	BGM + 铃声	SFX + 环境氛围

四、执行步骤

步骤 0：准备工作（一次性）

# 创建目录
mkdir -p /home/xsl/blind/audio_1/tts/v1_voxcpm2
mkdir -p /home/xsl/blind/audio_1/music/v1_acestep/{music,sfx,ambience}
mkdir -p /home/xsl/blind/audio_1/music/v2_stableaudio/{music,sfx,ambience}

步骤 1：TTS v1 — VoxCPM2

# 确认服务运行
curl http://127.0.0.1:8000/health

# 执行批量生成（输出到 audio_1/tts/v1_voxcpm2/）
python audio_1/scripts/01_gen_tts_voxcpm2.py

预计耗时：约 90 分钟（~190条 × ~30s/条）

步骤 2：音乐 v1 — ACE-Step

conda activate acestep
python audio_1/scripts/04_gen_music_acestep.py

预计耗时：约 60 分钟（37 条，每条 20~90s）

步骤 3：音乐 v2 — Stable Audio

conda activate stableaudio
python audio_1/scripts/05_gen_music_stableaudio.py

预计耗时：约 90 分钟（37 条，每条 ~2min）

步骤 4：格式统一

# 所有版本统一转为 mp3 128kbps 24kHz mono
python audio_1/scripts/06_convert_all_to_mp3.py

五、脚本清单

脚本	职责
`scripts/01_gen_tts_voxcpm2.py`	VoxCPM2 批量 TTS，输出到 tts/v1_voxcpm2/
`scripts/04_gen_music_acestep.py`	ACE-Step 批量生成，输出到 music/v1_acestep/
`scripts/05_gen_music_stableaudio.py`	Stable Audio 批量生成，输出到 music/v2_stableaudio/
`scripts/06_convert_all_to_mp3.py`	WAV → MP3 统一格式转换

六、角色参考音频路径

角色 key	参考音频	语速倍率
linxia	voice/linxia/linxia_ref.wav	1.00
mom	voice/mom/mom_extra_04.wav	0.92
azhe	voice/azhe/azhe_extra_05.wav	1.05
xiaomei	voice/xiaomei/xiaomei_03.wav	1.10
xiaomei_drunk	voice/xiaomei/xiaomei_03.wav	0.95
zhounan	voice/zhounan/zhounan_extra_10.wav	0.95
hr	voice/hr/hr_extra_18.wav	1.00
anan	voice/anan/anan_extra_13.wav	1.15
dorm_a	voice/dorm_a/000017e3-...wav	1.10
dorm_b	voice/dorm_b/a001c446-...wav	1.00
dorm_c	voice/dorm_c/dorm_c_extra_15.wav	0.95
delivery	voice/delivery/delivery_01.wav	1.20
self_3y	voice/linxia/linxia_ref.wav	1.15

七、评听方式（完成后）

所有文件名与游戏引用完全一致。评听时可临时替换：

# 备份原版本
cp -r audio/mp3/tts audio/mp3/tts_original

# 试听某个 TTS 版本
cp -r audio_1/tts/v1_voxcpm2/* audio/mp3/tts/

# 试听音乐版本
cp -r audio_1/music/v2_stableaudio/* audio/mp3/

八、进度记录

步骤	状态	完成时间	备注
步骤 0：准备（创建目录）	⬜ 待执行	—	—
步骤 1：TTS v1 VoxCPM2	⬜ 待执行	—	—
步骤 2：音乐 v1 ACE-Step	⬜ 待执行	—	—
步骤 3：音乐 v2 Stable Audio	⬜ 待执行	—	—
步骤 4：格式转换	⬜ 待执行	—	—

4.8 KiB Raw Blame History Unescape Escape