Siyin

mcp
Guvenlik Denetimi
Uyari
Health Uyari
  • License — License: MIT
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 6 GitHub stars
Code Gecti
  • Code scan — Scanned 12 files during light audit, no dangerous patterns found
Permissions Gecti
  • Permissions — No dangerous permissions requested

Bu listing icin henuz AI raporu yok.

SUMMARY

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

README.md
祀音 Logo

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。

Release
Downloads
License
Platform
Python
React
Last Commit
Purpose

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。

祀音 · 语音合成主界面

主界面 · 语音合成(输入文字即可生成,右侧可选音色与语速)

网络与接入设置界面

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

❓ 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

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。


如果这个项目对你有帮助,欢迎点一个 ⭐ Star!

Star History Chart

Yorumlar (0)

Sonuc bulunamadi