Siyin
Health Warn
- License — License: MIT
- Description — Repository has a description
- Active repo — Last push 0 days ago
- Low visibility — Only 6 GitHub stars
Code Pass
- Code scan — Scanned 12 files during light audit, no dangerous patterns found
Permissions Pass
- Permissions — No dangerous permissions requested
No AI report is available for this listing yet.
祀音 · 本地语音工作台 — 基于 gsv.cpp / GPT-SoVITS v5turbo 的 Windows 本地语音合成桌面应用
祀音 · Siyin
本地优先的 Windows 语音合成工作台
在 gsv.cpp / GPT-SoVITS v5turbo 推理后端之上,提供文字与 TXT 合成、流式试听、任务队列、作品库、多格式导出、性能监控,以及 HTTP API 与 MCP 接入。
当前版本是《明日方舟:终末地》角色 「祀」 的专用音色版,主打快速合成该角色语音;通用音色版仍在开发中。
一体化软件,安装即用:内置推理引擎、文本前端、模型与音色,装好双击就能合成——无需训练、无需微调、无需克隆音色,也不用自己准备参考音频。
项目定位 · 功能特性 · 显卡支持 · 下载安装 · 从源码构建 · 目录结构 · API 与 MCP · 文档 · 贡献
📖 简介
本机开发副本的启动方式和正式版隔离约定见 开发说明。源码仍按忽略规则排除模型、运行时、私人配置和作品;开发完成后单独部署正式版。
1.1.0 更新:跟进 gsv.cpp v0.1.2,支持英文与中英混合正文,新作品默认自动完成呼吸音抑制与 EQ 后处理。日常合成、播放和导出方式不变。详见升级说明、实际验证记录与上游版本锁定。
下载最新版请前往 Releases。
祀音(Siyin) 是一套面向 Windows 的本地语音合成桌面应用。它在已有的 gsv.cpp / GPT-SoVITS 推理后端之上,补齐了一个完整的产品外壳:可视化工作台、串行任务队列、作品库、导出与监控,并同时对外暴露 HTTP 语音网关 与 stdio MCP 服务,方便其他应用与 AI Agent 直接驱动。
支持中文 / 英文 / 中英混合:正文语言可选,英文不再被分段字符上限截断(1.1.0 起)。
默认自动后处理:新作品自动完成呼吸音抑制与 EQ,成品即可用;技术接入可关闭拿原声。
本地优先:模型推理、合成与作品全部在本机完成,默认所有内部服务仅监听回环地址(127.0.0.1),数据不出机器。
默认音色
si(祀):GPT-SoVITS v5turbo,语速0.88、采样步数4、输出 24kHz 单声道(可选 48kHz)。
🎯 项目定位与用途
本版本是「角色专用音色版」:音色为《明日方舟:终末地》角色 「祀」 微调,核心用途是快速合成该角色的语音。面向任意音色的通用版仍在开发中,完成后会单独发布。
一体化 · 安装即用:推理引擎、文本前端、模型与音色全部内置打包,不需要训练、不需要微调、不需要克隆音色,也不需要准备参考音频或配置环境;安装后直接输入文字即可合成。
- 专为角色「祀」微调:音色、语速(0.88)与韵律按该角色调校,开箱即用,不需要自己训练。
- 出速极快:RTX 2060 6GB 上实测 RTF ≈ 0.2(约 0.2–0.26,随文本与机器状态波动)——生成 1 秒音频约需 0.2 秒,实时余量约 4–5×;长文按句段流式输出,边生成边播。
- 负载低:模型常驻显存约 2.7–2.9 GB,稳态不 OOM;Vulkan 后端下 CPU 线程数几乎不影响速度,笔记本也能跑。
- 显卡适配性好:走 ggml Vulkan 后端,NVIDIA / AMD / Intel 的独显与核显都可尝试;没有 Vulkan 也能退回 CPU,但约慢 14.6 倍。
- 本地优先:不联网、不上传文本与音频,密钥与作品都在本机。
🖥️ 显卡支持与性能
| 类别 | 型号 | 状态 |
|---|---|---|
| ✅ 已实测 | NVIDIA GeForce RTX 2060 6GB(驱动 616.56;Win11 / Ryzen 7 4800H / 16GB) | 稳定;显存约 2.7–2.9 GB,RTF ≈ 0.2 |
| 🟢 推荐 | NVIDIA RTX 20 / 30 / 40 系列、GTX 16 系列(≥4GB 显存) | Vulkan 后端,预期可用,未逐一实测 |
| 🟢 推荐 | AMD Radeon RX 6000 / 7000 系列 | 同上 |
| 🟡 可尝试 | Intel Arc A / B 系列、支持 Vulkan 的核显 | 同上;共享显存时可能偏慢 |
| 🔴 不推荐 | 不支持 Vulkan 的老卡 / 纯 CPU 模式 | 可用,但约慢 14.6×(12669 ms vs 869 ms) |
显存建议 ≥ 4GB(实测占用约 2.9GB),6GB 更稳。笔记本长时间压测会热降频(实测 82–85°C 后 SM 时钟由 2100MHz 降到 750–1300MHz),属硬件散热限制,不是软件问题。
主界面 · 语音合成(输入文字即可生成,右侧可选音色与语速)
接入与设置 · 网络访问
✨ 功能特性
| 能力 | 说明 | |
|---|---|---|
| 🎙️ | 文本 / TXT 合成 | 单条或多文件 TXT 导入,长文按句段自动切分、顺序执行 |
| 🔊 | 流式试听 | 合成同时接收 PCM,边生成边听;完整作品保存为 WAV 母版 |
| 📚 | 作品库 | SQLite 管理任务状态、标题、来源与音色快照;支持搜索、回放、重试、导入转换 |
| 🎚️ | 多格式导出 | WAV / MP3 / FLAC / M4A(AAC) / Ogg(Opus) / 裸 PCM(实际取决于 FFmpeg 编码器) |
| 📈 | 性能监控 | GPU / CPU / 温度 / 显存 / 队列,负载曲线保留最近 15 分钟 |
| 🌐 | HTTP 网关 | 本机 9881 网关;可选局域网入口(默认 9890),API Key 鉴权后共享工作台与 API |
| 🤖 | MCP 接入 | 7 个 stdio 工具(状态/音色/合成/参数/参考音频/切换音色/预热),供 AI Agent 控制 |
| 🖥️ | 现代桌面 UI | React 19 + TypeScript + Vite + WebView2,浅/深主题,水墨视觉 |
| 🔒 | 安全默认 | 独立密钥、每 IP 限流、HttpOnly 会话、防火墙仅放行本地子网 |
第一版不含语音识别、模型训练、云端托管或远程 HTTP MCP 服务。
📦 下载与安装
前往 Releases 下载最新版本,两种形态任选其一。
方式一:安装版(推荐)
| 文件 | 说明 |
|---|---|
Siyin-1.1.0-setup.exe |
安装器主程序 |
Siyin-1.1.0-setup-1.bin |
分卷 1 |
Siyin-1.1.0-setup-2.bin |
分卷 2 |
三个文件下载到同一文件夹,直接双击 Siyin-1.1.0-setup.exe。文件名请勿修改——安装器按固定名字查找分卷,改名会导致安装不完整(表现为「合成失败 / IncompleteRead」)。
方式二:免安装版(Portable)
| 文件 | 说明 |
|---|---|
Siyin-1.1.0-portable-win64.zip |
解压即用,不写注册表、不留系统残留 |
解压到任意目录(建议纯英文路径、不要放 C 盘根目录),双击 祀音.exe 即可;卸载就是删文件夹,首次启动自动生成独立 API Key。
系统要求:Windows 10/11 x64 · WebView2 Runtime · 支持 Vulkan 的显卡(建议显存 ≥ 4GB,6GB 更稳)· 约 4GB 磁盘空间。
首次加载模型约需 1~2 分钟。关闭窗口收进托盘;需要释放模型时用托盘菜单「停止服务并退出」。
安装版与免安装版使用同一组端口(9880/9881/9882/9888),不要同时运行两套。
🚀 从源码构建
仓库只含源码与文档,不含模型权重、Python/FFmpeg/引擎二进制。准备方式详见 MODEL_AND_RUNTIME.md。
# 1. 前端(app/ui)
cd app/ui
npm ci
npm run build # 生成 app/ui/dist
# 2. 桌面与安装包(需要 Inno Setup 7,可用环境变量 SIYIN_ISCC 指定 ISCC.exe)
./packaging/build.ps1 # 前端构建 → C# 编译 Launcher → 单元测试 → 分卷安装包
本地开发时可用自备 Python 3.10 运行时启动 app/desktop/launch.py;生产由根目录 祀音.exe 启动。详见 运维与源码发布。
🧱 目录结构
祀音.exe(C# 启动器,由 app/desktop/Launcher.cs 编译)
└─ app/desktop/launch.py(Python + pywebview + WebView2 + 托盘)
└─ 127.0.0.1:9888(监控服务 + React 工作台 + 本地管理接口)
├─ SQLite、WAV 母版、任务串行派发
└─ 9881 网关
└─ 127.0.0.1:9880(gsv.cpp / Vulkan 引擎)
└─ 127.0.0.1:9882(Python 文本处理 sidecar)
外部应用 ── API Key ──> 9881 网关
本机 Agent ── stdio MCP ──> 网关 / 引擎
| 路径 | 用途 |
|---|---|
app/ui/ |
React + TypeScript + Vite 前端源码(dist/ 为构建产物,不入库) |
app/desktop/ |
桌面启动器、托盘、SQLite 作品库、本地工作台接口、局域网入口 |
app/monitor/ |
本地服务监控与进程管理 |
app/services/ |
网关、任务调度、MCP 适配、合成核心 core.py |
app/frontend/ |
GPT-SoVITS 文本前端(vendored,MIT)与 text_sidecar.py |
app/tests/ |
单元测试与集成验证脚本 |
packaging/ |
Inno Setup 安装脚本、构建脚本与脱敏安装模板 |
docs/ |
运维、API / MCP 接入规范 |
🔌 API 与 MCP
- HTTP 网关:
POST /v1/text-to-speech/{voice}/stream(流式 PCM/WAV),带Authorization: Bearer <KEY>。 - MCP:7 个 stdio 工具,
tts_status / tts_list_voices / tts_speak / tts_set_params / tts_set_reference / tts_switch_voice / tts_warmup。
接入细节见 API 规范 与 MCP 规范。密钥保存在 app/services/config.json 的 gateway.token,首次启动由 bootstrap.py 独立生成,不会写入前端资源。
📚 文档
- 模型与运行时准备
- 运维与源码发布
- 英文与后处理升级(1.1.0) · 1.1.0 验证记录 · 上游版本锁定
- 人声呼吸抑制与 EQ 处理规范
- API 接入规范 · MCP 接入规范 · 工具定义
- 第三方组件与素材归属 · 上游许可原文
- 更新日志
❓ 常见问题
- 端口占用:桌面默认回环端口 9888,被占用时自动避让到 9898 或空闲端口,实际端口见
app/run/desktop-server.json;网关固定 9881。 - 网关 401:客户端 Key 与
gateway.token不一致,或修改 Key 后未重启网关。 - 本机可用、局域网不通:检查服务电脑 IP、TCP 与防火墙;局域网入口默认 9890,需在设置页开启。
- 导不出某格式:确认
app/tools/ffmpeg内 FFmpeg 编码器可用、磁盘空间充足、路径无异常。 - 英文 / 混合文本没声音:1.1.0 起支持
text_lang=en(正文语言)与auto(中英混合),需选择对应语言;音色本身跨语言读音能力有限。 - 成品多等一会儿:1.1.0 起新作品默认自动做呼吸音抑制与 EQ(FFmpeg,约数百毫秒),实时试听仍是处理前的原声;技术接入可传
postprocess=false取原始输出。
🗺️ 路线图
| 状态 | 事项 |
|---|---|
| ✅ 已发布 | v1.1.0:跟进 gsv.cpp v0.1.2,支持英文 / 中英混合正文,新作品默认自动做呼吸音抑制与 EQ 后处理 |
| ✅ 已发布 | v1.0.0:角色「祀」专用音色版,一体化安装即用,RTF ≈ 0.2 |
| 🚧 开发中 | 通用音色版:支持任意音色 / 自定义参考音频,不再局限于单一角色 |
| 📋 计划 | 公网访问与 HTTPS(当前仅本机 + 可选局域网入口) |
| 📋 计划 | 补齐作品库 / 任务队列 / 性能监控等界面截图与更多使用文档 |
路线图只是方向,不代表承诺的发布时间。
🤝 参与贡献
欢迎提交 Issue 与 Pull Request!请先阅读 贡献指南 与 行为准则。安全相关问题请按 SECURITY.md 私下报告。
🙏 致谢
- gsv.cpp —— 高性能 C++ GPT-SoVITS 推理后端
- GPT-SoVITS —— 文本前端与模型方案(MIT)
- pywebview、pystray、psutil、pythonnet、FFmpeg
各组件的具体许可与素材归属见 THIRD-PARTY-NOTICES.md。
📄 License
本项目自有代码以 MIT License 发布。第三方代码、模型与素材的授权以其各自许可为准。
声明:本项目为独立作品,与 gsv.cpp、GPT-SoVITS 等上游项目无隶属或背书关系。模型权重、参考音频、人物图片等素材的分发授权请单独核对,「代码开源」不等同于全部素材已获再分发授权。
Reviews (0)
Sign in to leave a review.
Leave a reviewNo results found