基本的语音合成
以下 talk.php 是从文本合成音频并写入 WAV 文件的示例。
PHP FFI 在 Web 服务器环境(如 FPM)中通常是禁用的。请像 php talk.php 这样 从 CLI 中执行 该脚本。
执行:
一步完成语音合成(tts 方法)
若想省略 createAudioQuery + synthesis 的两步流程,可以使用 tts() 方法:
通过片假名记法合成
也可以从 AquesTalk 风格的片假名记法进行合成:
使用用户词典
要注册自定义词的读音,请使用 UserDict:
调整 AudioQuery
通过对 createAudioQuery 获得的 JSON 进行调整后再合成,可以对抑扬、节奏等做精细控制:
获取重音短语
可以获取文本的重音短语信息以便查看与编辑:
使用 GPU 模式
在可以使用 GPU 的环境中指定 AccelerationMode::Gpu 可以加速:
使用多个语音模型
通过加载多个 .vvm 文件并切换 Style ID,可以在多个角色声音间切换使用:
如果已加载了相同 ID 的模型,可以通过 loadVoiceModel() 的第 2 个参数 OnExistingVoiceModelId 指定行为。默认的 Error 会抛出异常,Reload 会重新加载,Skip 则不做任何操作:
按帧生成 PCM
将 createAudioFeature() 创建的 AudioFeature 按帧范围 slice() 后再 render(),即可将长文本逐步转换为音频数据。以下示例每次写出约 0.3 秒的 PCM:
render() 的输出不是 WAV,而是 16-bit PCM 原始数据。此方法需要 VVM v2 模型。C API 提供了创建 AudioFeature 以及按范围 render 的功能,但没有高层的 streaming_synthesis API。