# IndexTTS2_LocalPythonGenerate

**Repository Path**: limerence02/index-tts2_-local-python-generate

## Basic Information

- **Project Name**: IndexTTS2_LocalPythonGenerate
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-08-05
- **Last Updated**: 2026-08-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# IndexTTS2 本地语音合成工具

这是一个基于 IndexTTS2 的本地 AI 语音合成工具，提供图形化界面，支持情感控制、语速调节等高级功能。

## ✨ 功能特点

- 🎙️ **高质量语音合成** - 基于 IndexTTS2 模型
- 🎨 **图形化界面** - 简单易用的 GUI
- 😊 **情感控制** - 支持 8 种情感调节（喜、怒、哀、惧、厌恶、低落、惊喜、平静）
- ⚡ **语速调节** - 0.5x - 2.0x 倍速控制
- 🎵 **试听功能** - 生成后即可播放预览
- 🎛️ **高级参数** - Temperature、Top P、Top K 等采样参数
- 📦 **快速预设** - 默认、高质量、高创造性、稳定四种预设

## 📋 系统要求

- Windows 10/11
- Python 3.10 或更高版本
- 至少 8GB 内存（推荐 16GB）
- 约 12GB 磁盘空间（用于模型文件）

## 🚀 快速开始

### 方法一：使用安装脚本（推荐）

1. 下载本项目
2. 双击运行 `install.bat`
3. 等待依赖安装完成
4. 双击运行 `start.bat`

### 方法二：手动安装

1. 克隆项目：
```bash
git clone https://gitee.com/limerence02/index-tts2_-local-python-generate.git
cd index-tts2_-local-python-generate
```

2. 安装 uv（Python 包管理器）：
```bash
pip install uv
```

3. 创建虚拟环境并安装依赖：
```bash
uv venv
uv pip install -r requirements.txt
```

4. 启动 GUI：
```bash
uv run python local_gui_advanced.py
```

## 📖 使用说明

### 第一次使用

1. **加载模型**
   - 点击"🚀 加载 AI 模型"按钮
   - 首次加载会自动下载模型文件（约 6GB），需要几分钟
   - 后续启动会直接加载本地模型

2. **选择参考音频**
   - 点击"📁 选择"按钮
   - 选择一个 3-10 秒的清晰人声音频文件
   - 支持 WAV、MP3、FLAC 格式
   - 参考音频决定生成语音的音色

3. **输入文本**
   - 在文本框中输入要转换的文字
   - 支持中文和英文

4. **调整参数（可选）**
   - **语速**：0.5x（慢）- 2.0x（快）
   - **情感**：调节 8 种情感滑块
   - **采样参数**：调整生成质量和多样性
   - **快速预设**：点击预设按钮快速应用配置

5. **生成语音**
   - 点击"🎙️ 生成语音"
   - 选择保存位置
   - 等待生成完成（CPU 模式较慢，约 2-5 分钟）
   - 点击"▶️ 试听"播放生成的音频

## ⚙️ 高级参数说明

### 情感控制
- **喜悦**：高兴、愉快的情绪
- **愤怒**：生气、愤怒的情绪
- **悲伤**：难过、伤心的情绪
- **恐惧**：害怕、恐慌的情绪
- **厌恶**：反感、厌恶的情绪
- **低落**：沮丧、忧郁的情绪
- **惊喜**：惊讶、意外的情绪
- **平静**：平和、冷静的情绪

### 采样参数
- **Temperature**（创造性）：越高越有变化，越低越稳定（默认 0.8）
- **Top P**（多样性）：控制生成的多样性（默认 0.8）
- **Top K**：限制候选词数量（默认 30）
- **Repetition Penalty**（重复惩罚）：防止重复，越高越不会重复（默认 10.0）

### 快速预设
- **默认**：平衡的设置，适合大多数场景
- **高质量**：更稳定、更清晰的输出
- **高创造性**：更多变化，更自然
- **稳定**：最稳定、一致性最好

## 🎯 使用技巧

1. **选择好的参考音频**
   - 使用清晰、无背景噪音的人声录音
   - 3-10 秒的长度最佳
   - 音质越好，生成效果越好

2. **调整语速**
   - 正常对话：1.0x
   - 快速播报：1.3x - 1.5x
   - 舒缓讲解：0.7x - 0.9x

3. **情感设置**
   - 可以混合多种情感（例如：喜悦 0.5 + 惊喜 0.3）
   - 情感权重建议 0.5 - 0.8 之间
   - 不设置情感时会使用中性语调

4. **文本长度**
   - 建议每次生成不超过 200 字
   - 长文本可以分段生成后拼接

## ⚠️ 注意事项

- CPU 模式生成较慢，请耐心等待
- 首次启动会下载模型文件，需要稳定的网络连接
- 不要关闭命令行窗口，否则 GUI 会关闭
- 生成的音频文件为 WAV 格式，文件较大

## 🐛 常见问题

**Q: 首次启动为什么这么慢？**  
A: 首次启动需要下载约 6GB 的模型文件，请耐心等待。后续启动会直接使用本地模型。

**Q: 为什么生成这么慢？**  
A: 本项目使用 CPU 模式运行，速度相对较慢。如果有 NVIDIA GPU，可以修改代码启用 GPU 加速。

**Q: 如何提高生成质量？**  
A: 使用高质量的参考音频，尝试"高质量"预设，适当调整 Temperature 参数。

**Q: 可以商用吗？**  
A: 请参考 IndexTTS2 官方的许可协议。

## 📦 打包为 exe（可选）

使用 PyInstaller 打包：

```bash
pip install pyinstaller
pyinstaller --onefile --windowed --name "IndexTTS2语音合成" local_gui_advanced.py
```

## 🙏 致谢

- [IndexTTS2](https://github.com/IndexTeam/Index-1.9B) - 核心 TTS 模型
- [Gradio](https://gradio.app/) - 原始 WebUI 框架
- [Pygame](https://www.pygame.org/) - 音频播放

## 📄 许可

本项目基于 MIT 许可证开源。

## 🔗 相关链接

- [IndexTTS2 官方项目](https://github.com/IndexTeam/Index-1.9B)
- [问题反馈](https://gitee.com/limerence02/index-tts2_-local-python-generate/issues)

## 📝 更新日志

### v1.0.0 (2026-08-05)
- 初始版本发布
- 支持基本语音合成功能
- 提供图形化界面
- 支持情感控制和语速调节
- 内置试听功能