56 lines
2.3 KiB
Python
56 lines
2.3 KiB
Python
import pytest
|
|
from scipy.io import wavfile
|
|
|
|
from style_bert_vits2.constants import BASE_DIR, Languages
|
|
from style_bert_vits2.tts_model import TTSModelHolder
|
|
|
|
|
|
def synthesize(device: str = 'cpu'):
|
|
|
|
# 音声合成モデルが配置されていれば、音声合成を実行
|
|
model_holder = TTSModelHolder(BASE_DIR / 'model_assets', device)
|
|
if len(model_holder.models_info) > 0:
|
|
|
|
# jvnv-F2-jp モデルを探す
|
|
for model_info in model_holder.models_info:
|
|
if model_info.name == 'jvnv-F2-jp':
|
|
# すべてのスタイルに対して音声合成を実行
|
|
for style in model_info.styles:
|
|
|
|
# 音声合成を実行
|
|
model = model_holder.get_model(model_info.name, model_info.files[0])
|
|
model.load()
|
|
sample_rate, audio_data = model.infer(
|
|
"あらゆる現実を、すべて自分のほうへねじ曲げたのだ。",
|
|
# 言語 (JP, EN, ZH / JP-Extra モデルの場合は JP のみ)
|
|
language = Languages.JP,
|
|
# 話者 ID (音声合成モデルに複数の話者が含まれる場合のみ必須、単一話者のみの場合は 0)
|
|
speaker_id = 0,
|
|
# 感情表現の強さ (0.0 〜 1.0)
|
|
sdp_ratio = 0.4,
|
|
# スタイル (Neutral, Happy など)
|
|
style = style,
|
|
# スタイルの強さ (0.0 〜 100.0)
|
|
style_weight = 6.0,
|
|
)
|
|
|
|
# 音声データを保存
|
|
(BASE_DIR / 'tests/wavs').mkdir(exist_ok=True, parents=True)
|
|
wav_file_path = BASE_DIR / f'tests/wavs/{style}.wav'
|
|
with open(wav_file_path, 'wb') as f:
|
|
wavfile.write(f, sample_rate, audio_data)
|
|
|
|
# 音声データが保存されたことを確認
|
|
assert wav_file_path.exists()
|
|
# wav_file_path.unlink()
|
|
else:
|
|
pytest.skip("音声合成モデルが見つかりませんでした。")
|
|
|
|
|
|
def test_synthesize_cpu():
|
|
synthesize(device='cpu')
|
|
|
|
|
|
def test_synthesize_cuda():
|
|
synthesize(device='cuda')
|