AI 配音工具

这是一个基于 IndexTTS 的 AI 配音工具，支持音频分段配音和直接配音两种模式。

• 分段配音模式：

  • 上传音频和字幕文件
  • 根据字幕自动分割音频
  • 为每个片段单独生成配音
  • 支持批量生成和合并

• 直接配音模式：

  • 上传单个音频文件
  • 直接输入要配音的文本
  • 一键生成配音

• 其他功能：

  • 音频缓存管理
  • 实时进度显示
  • 系统资源监控
  • 支持多种音频格式

• 后端：

  • Flask (Web 框架)
  • PyTorch (深度学习框架)
  • IndexTTS (TTS 模型)
  • pydub (音频处理)
  • webvtt-py (字幕处理)

• 前端：

  • HTML5
  • JavaScript
  • CSS3

• Python 3.10+
• CUDA 12.1+
• FFmpeg
• Git LFS

1. 克隆仓库：

   git clone [repository_url]
   cd [project_directory]
   

2. 安装依赖：

   pip install -r requirements.txt
   pip install -r requirements_indextts.txt
   

3. 运行应用：

   python app/app.py
   

1. 构建镜像：

   docker build -t ai-dubbing .
   

2. 运行容器：

   docker run -p 5000:5000 ai-dubbing
   

1. 上传音频文件（支持格式：wav, mp3, ogg, m4a）
2. 上传字幕文件（支持格式：vtt, srt）
3. 等待音频分段处理
4. 选择需要配音的片段
5. 点击"批量生成"按钮
6. 生成完成后可以预览或下载

1. 上传参考音频文件
2. 输入要配音的文本
3. 点击"生成"按钮
4. 等待生成完成后预览或下载

.
├── app/
│   ├── app.py              # Flask 应用主文件
│   ├── utils/             # 工具函数
│   │   ├── audio_processor.py    # 音频处理
│   │   ├── subtitle_processor.py # 字幕处理
│   │   └── tts_client.py        # TTS 客户端
│   ├── static/            # 静态文件
│   └── templates/         # HTML 模板
├── index-tts/            # IndexTTS 模型
├── checkpoints/          # 模型检查点
├── requirements.txt      # Python 依赖
└── Dockerfile           # Docker 配置

上传音频和字幕文件

生成配音

合并音频片段

获取系统状态

清理缓存文件

• 上传文件大小限制为 16MB
• 生成音频可能需要一定时间，请耐心等待
• 建议定期清理缓存以释放存储空间

[许可证类型]

1. Fork 项目
2. 创建特性分支
3. 提交更改
4. 推送到分支
5. 创建 Pull Request

如有问题或建议，请提交 Issue。