【Speech TTS】循环调用GPT-SoVITS接口生成AI语音的小工具

cyh406832098

此工具仅有调用API的功能，必须事先下载GPT-SoVITS 并 用命令行 运行它的 api_v2.py（v2版本），或者 api.py（v3版本）。
因为我用的是GPT-SoVITS的整合包，没有v3版本的api文件所以目前只测试了v2版本的接口调用
v3版本的调用仅根据文档写了一下，不能保证可靠

csv文件建议直接用Lazy Voice Finder获取，列的前后顺序无所谓，只需要首行有“File Name”和“Dialogue”关键词让程序识别文件名和台词所在列即可。也可以根据标准 自己编辑
*注意：不建议直接用WPS编辑和保存，那会默认存为“GB2312编码”，读取汉字可能会乱码，如果已经用变为“GB2312”编码，用记事本打开文件，另存为的时候编码一栏选择“UTF-8”即可
以下是可用csv文档示例

Lazy Voice Finder导出格式

满足条件的自定义格式

我不擅长写前端，更喜欢直接在IDE工具上跑，所以除非这个工具有bug，可能不会更新
如果需要修改或者参考的朋友可以自行下载工程文件去修改，但也希望不要用它去牟利

生成.lip口型文件建议用Runalip，可以批量生成，这个虽然不太易用，但是只要研究明白了也好过用CK一条一条生成大几千条语音的口型

下面是Runalip用例，首先是几点说明：

• 去SSE CreationKit Fixes帖子内下载FaceFXWrapper（必要），然后将FaceFXWrapper.exe，放入Runalip\tools文件夹下。
• 建议直接用命令行调用Runalip，这样在报错的时候可以看到更多错误信息
  

1. Runalip -genlips "SSE" "E:\RunalipWorkspace\LazyVoiceFinder_export.csv" "E:\RunalipWorkspace\sound\voice" "E:\RunalipWorkspace\export" -nfuz -hq

复制代码

• -genlips：无需修改，声明功能<生成lip>
• "SSE"：游戏版本，可选SSE、SLE、FNV、FO4
• "E:\RunalipWorkspace\LazyVoiceFinder_export.csv"：参考.csv文件所在位置，可以是绝对路径（全路径），也可以把文件放到Runalip目录下用相对路径，不明白什么意思用绝对路径，肯定不出问题
• "E:\RunalipWorkspace\sound\voice"：音频文件所在位置*不能直接把音频放在这个路径下，具体结构请参考上一条传入的.csv中的Plugin和Voice Type的内容，比如按照我上方的csv文件用例，就需要这样的结构E:\RunalipWorkspace\sound\voice\skyrim.esm\femalenord\[你的所有音频]
• "E:\RunalipWorkspace\export"：.lip文件的导出位置
• （命令行可选后缀）-nfuz：生成.lip文件同时直接生成fuz
• （命令行可选后缀）-nfuz -hq：生成.lip文件同时直接生成HQ质量的fuz
• *注意（重要）：所有路径必须是英文
• *注意（重要）：此处的.csv文件必须是Lazy Voice Finder默认列序的结构，即【State，Plugin，File Name，Voice Type，Dialogue 1，Dialogue 2】
• *注意（建议）：如果是中文语音的话，csv中的Dialogue文本建议转拼音后再生成lip，用中文文本生成的口型文件仅能对上说话的节奏，无法匹配口型。
  

以下是我的测试用的bat文件，如果实在小白，那就按照我的路径建好文件夹并正确放好csv和音频，然后直接用它
Run.bat (152 Bytes, 下载次数: 15)

2025-3-30 13:00 上传

点击文件名下载附件
Runalip用例

运行文件，生成语音用这个
Speech TTS.7z (282.94 KB, 下载次数: 34, 售价: 1 金元)

2025-3-29 16:43 上传

点击文件名下载附件
运行文件，下它就行
.NET 8 工程文件，修改或参考用这个（拿去改改里面用来转http请求body的“Root”类和接口地址，应该能适配其他语音生成项目，只要作者给出接口以供调用）
SpeechGenerationTool.7z (165.32 KB, 下载次数: 24, 售价: 1 金元)

2025-3-29 16:44 上传

点击文件名下载附件
.Net 8工程文件

313175162

好好好，很给力

313175162

用了没有问题，谢谢大佬，就剩口型文件不会整，不是程序员真的难搞

cyh406832098

313175162 发表于 2025-3-29 20:40
用了没有问题，谢谢大佬，就剩口型文件不会整，不是程序员真的难搞

口型用Runalip批量来，在CK里生成太慢了

徒惹春风笑

支持，这个意思是可以用自己想要的音色来直接生成mod里的语音的意思吗？

cyh406832098

徒惹春风笑 发表于 2025-3-30 01:03
支持，这个意思是可以用自己想要的音色来直接生成mod里的语音的意思吗？

这个只是用来批量调用，节省工作量的。真正发挥作用的是GPT-SoVITS，作者有现成的整合包分享，完全免费，就是有一定的显卡门槛，不过我觉得玩上古卷轴的基本是能满足那点配置的

313175162

cyh406832098 发表于 2025-3-29 20:55
口型用Runalip批量来，在CK里生成太慢了

说要先转拼音，不会整。
为什么你导出的csv文档，一列是english。另一列是chinese。但是我导出的文档两列都是English的

313175162

发现个网站批量转拼音https://www.oktoolbox.com/zh/app/pinyin

313175162

点击Runalip生成lip一直是0%，是不是这样的

cyh406832098

313175162 发表于 2025-3-30 10:28
说要先转拼音，不会整。
为什么你导出的csv文档，一列是english。另一列是chinese。但是我导出的文档两 ...

Runalip是否需要转拼音这点我有些存疑，因为Runalip的原作者是俄罗斯人，他的帖子里有俄文的文本示例，帖子下也有很多其他国家的人发的评论，而我本人亲测，用纯日文文本来给塔尼亚这个日语随从生成口型文件似乎问题不大，每次张嘴都是在有音节的时候，唯一问题就是口型匹配度不如英文。
所以我推测其实口型的主要依据是音频，而不是文本。我不知道语音文本在其中发挥了什么作用，但想想仅靠文本就想生成就是绝对不靠谱的，因为文本最多只能做口型的参照，而做不了语速的参照。我平时做游戏开发或者找github上的这类AI模型玩的时候，从来都是通过语音对口型或者视频对口型，没遇到过文本对口型的

cyh406832098

313175162 发表于 2025-3-30 11:56
点击Runalip生成lip一直是0%，是不是这样的

一直是0%八成是不对的，看看CPU占用吧，应该都没在跑，正常不会这么慢的。建议去作者的帖子看看，我也说不好具体问题出在哪，很多人遇到过不同问题

cyh406832098

313175162 发表于 2025-3-30 11:56
点击Runalip生成lip一直是0%，是不是这样的

我更新了以下帖子，放上了Runalip测试用例，如果还没研究出来的话可以看看

313175162

Error the file "F:\SkyrimSE1597\SkyrimSE\Tools\Runalip\tools\FaceFXWrapper.exe" does not fit.
The file "maleyoungeager utf8TTT222.csv" reading started.
        Removing harmful characters...
        Parsing the file structure...
        2342 lines found...
                Warning: Line 2341 has less than 6(1) columns and will be omitted.
                Warning: Line 2342 has less than 6(1) columns and will be omitted.
        Total 2339 record(-s) initialized.

The file "maleyoungeager utf8TTT222.csv" was successfully opened.
The path "F:\maleyoungeager\" where the audio files are located.
100% [XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX] 2339 / 2339
F:\SkyrimSE1597\SkyrimSE\Tools\Runalip>pause
Press any key to continue . . .

FaceFXWrapper.exe does not fit.不知道怎么回事

cyh406832098

313175162 发表于 2025-3-30 15:23
Error the file "F:\SkyrimSE1597\SkyrimSE\Tools\Runalip\tools\FaceFXWrapper.exe" does not fit.
The f ...

看起来是没有找到FaceFXWrapper.exe文件，你看Runalip用例最前面那一条说明，这个东西是必须的，而且必须放在Runalip\Tools文件夹内

313175162

cyh406832098 发表于 2025-3-30 15:37
看起来是没有找到FaceFXWrapper.exe文件，你看Runalip用例最前面那一条说明，这个东西是必须的，而且必须 ...

有这个啊，但是部生效，你的没有问题吗

313175162

是我路径设定有问题，必须设定到F:\SkyrimSE1597\MO244\mods\maleyoungeager\sound\voice类似的才行，现在能用了
示例
chcp 1251
Runalip -genlips SSE "maleyoungeagerALLCN.csv" "F:\SkyrimSE1597\MO244\mods\maleyoungeager\sound\voice" "F:\lip"
pause
但好像要拼音，因为看窗口在跑全是乱码

313175162

你要不要去哔站出个教程，或者我去出一个？

cyh406832098

313175162 发表于 2025-3-30 19:53
你要不要去哔站出个教程，或者我去出一个？

你如果想的话可以出一个教程，我其实懒得很，做这个工具是因为有个朋友告诉我Lazy Voice Finder可以批量导出语音名和台词的关联，解决了我最大的问题，而他又需要这类工具，我就做了，不然我都懒得做这个，现在帖子上的流程看起来已经足够完善了，那后续我估计不会再冒头了。

cyh406832098

313175162 发表于 2025-3-30 19:46
是我路径设定有问题，必须设定到F:\SkyrimSE1597\MO244\mods\maleyoungeager\sound\voice类似的才行，现在 ...

非英文文本确实会出现乱码，但是文件还是照常生成了，并且实测能在游戏中正常使用，张嘴的节奏也能对上发音。要测试拼音是否更好的话，那得拿一份中文和一份拼音的对比，然后进游戏里看口型匹配程度，如果拼音明显更匹配的话那就说明这些文字起到了作用，如果拼音也不怎么匹配的话，那说明主要参考依据是音频。当然，不过不介意口型匹配度，只介意张没张嘴的话，那不管也行

313175162

cyh406832098 发表于 2025-3-31 00:30
你如果想的话可以出一个教程，我其实懒得很，做这个工具是因为有个朋友告诉我Lazy Voice Finder可以批量 ...

(⊙o⊙)…就是我在N网回复，谢谢大佬的工具很好用。
我研究一下看看要不要出个视频教程，有点繁琐，总一套流程走下来还是很伤脑筋的