diff --git a/app/engines/melo_engine.py b/app/engines/melo_engine.py
index ccbd663..3e661d0 100644
--- a/app/engines/melo_engine.py
+++ b/app/engines/melo_engine.py
@@ -308,6 +308,65 @@ class MeloEngine(BaseEngine):
return audio, (sr or self._get_model(DEFAULT_LANG).hps.data.sampling_rate)
return self._synth_segment(text, language, speaker, speed)
+ # ---- 간격 처리(양수=무음 삽입, 음수=경계 무음 트리밍) --------------
+ @staticmethod
+ def _trim_end_silence(
+ a: np.ndarray, sr: int, max_sec: float, thresh: float = 0.02
+ ) -> tuple[np.ndarray, float]:
+ n = a.size
+ if n == 0 or max_sec <= 0:
+ return a, 0.0
+ max_n = min(n, int(sr * max_sec))
+ if max_n <= 0:
+ return a, 0.0
+ tail = np.abs(a[n - max_n:])
+ nz = np.where(tail >= thresh)[0]
+ cut = max_n if nz.size == 0 else (max_n - 1 - int(nz[-1]))
+ if cut <= 0:
+ return a, 0.0
+ return a[: n - cut], cut / sr
+
+ @staticmethod
+ def _trim_start_silence(
+ a: np.ndarray, sr: int, max_sec: float, thresh: float = 0.02
+ ) -> tuple[np.ndarray, float]:
+ n = a.size
+ if n == 0 or max_sec <= 0:
+ return a, 0.0
+ max_n = min(n, int(sr * max_sec))
+ if max_n <= 0:
+ return a, 0.0
+ head = np.abs(a[:max_n])
+ nz = np.where(head >= thresh)[0]
+ cut = max_n if nz.size == 0 else int(nz[0])
+ if cut <= 0:
+ return a, 0.0
+ return a[cut:], cut / sr
+
+ def _append_unit(
+ self, pieces: list[np.ndarray], unit: np.ndarray, gap: float, sr: int
+ ) -> None:
+ """이전 조각들 뒤에 unit 을 붙인다.
+
+ gap>=0 이면 그 만큼 무음을 삽입, gap<0 이면 |gap| 초만큼 경계의 무음을
+ (이전 조각 끝 + 다음 조각 시작 순서로) 잘라내 더 붙인다.
+ """
+ if not pieces:
+ pieces.append(unit)
+ return
+ if gap >= 0:
+ if gap > 1e-4:
+ pieces.append(np.zeros(int(sr * gap), dtype=np.float32))
+ pieces.append(unit)
+ return
+ budget = -gap
+ prev, removed = self._trim_end_silence(pieces[-1], sr, budget)
+ pieces[-1] = prev
+ budget -= removed
+ if budget > 1e-4:
+ unit, _ = self._trim_start_silence(unit, sr, budget)
+ pieces.append(unit)
+
# ---- 합성 -----------------------------------------------------
def synth_wav(
self,
@@ -322,9 +381,10 @@ class MeloEngine(BaseEngine):
"""세 가지를 독립적으로 조절:
- speed: 글자(음절) 발화 속도 — 모델 length_scale 로 각 음절의 발음
속도를 생성 단계에서 조절(피치 보존, 사후 배속 아님)
- - word_gap: 단어 사이 추가 무음(초). >0 이면 어절 단위로 나눠 합성
- - sentence_gap: 문장 사이 무음(초)
- 간격은 발화 속도와 무관하게 지정한 초만큼 유지되어 서로 독립적이다.
+ - word_gap: 단어 사이 간격(초). >0 무음 삽입(어절 단위 합성),
+ <0 경계 무음을 잘라 더 붙임, 0 자연스러운 문장 합성
+ - sentence_gap: 문장 사이 간격(초). >0 무음 삽입, <0 경계 무음 트리밍
+ 간격은 발화 속도와 무관하게 유지되어 서로 독립적이다.
"""
text = (text or "").strip()
if not text:
@@ -332,45 +392,45 @@ class MeloEngine(BaseEngine):
speed = float(max(0.5, min(2.0, speed)))
pitch = float(max(-12.0, min(12.0, pitch)))
- word_gap = float(max(0.0, min(1.0, word_gap)))
+ word_gap = float(max(-0.2, min(0.5, word_gap)))
sentence_gap = 0.30 if sentence_gap is None else sentence_gap
- sentence_gap = float(max(0.0, min(2.0, sentence_gap)))
+ sentence_gap = float(max(-0.5, min(1.5, sentence_gap)))
language = (language or "AUTO").upper()
# 한국어 발음 개선: 기호/약어/사용자사전 전처리 (한국어·자동 모드)
if language in ("AUTO", "KR"):
text = normalize_korean(text)
+ # word_gap 이 0 이 아니면(양/음 모두) 어절 단위로 나눠 간격을 조절
+ use_word_mode = abs(word_gap) > 1e-4
sentences = split_sentences(text) or [text]
sr: int | None = None
pieces: list[np.ndarray] = []
+ first = True
for si, sent in enumerate(sentences):
- if word_gap > 1e-4:
- # 어절 단위로 나눠 합성 후 단어 간 무음 삽입
- words = sent.split()
- wpieces: list[np.ndarray] = []
+ sent_gap = 0.0 if first else sentence_gap
+ if use_word_mode:
+ words = sent.split() or [sent]
for wi, word in enumerate(words):
a, s = self._synth_natural(word, language, speaker, speed)
if sr is None:
sr = s
- if wi > 0:
- wpieces.append(np.zeros(int(sr * word_gap), dtype=np.float32))
- wpieces.append(a)
- sent_audio = (
- np.concatenate(wpieces)
- if wpieces
- else np.zeros(1, dtype=np.float32)
- )
+ gap = sent_gap if wi == 0 else word_gap
+ if first:
+ pieces.append(a)
+ first = False
+ else:
+ self._append_unit(pieces, a, gap, sr)
else:
a, s = self._synth_natural(sent, language, speaker, speed)
if sr is None:
sr = s
- sent_audio = a
-
- if pieces and sentence_gap > 1e-4:
- pieces.append(np.zeros(int(sr * sentence_gap), dtype=np.float32))
- pieces.append(sent_audio)
+ if first:
+ pieces.append(a)
+ first = False
+ else:
+ self._append_unit(pieces, a, sent_gap, sr)
audio = np.concatenate(pieces) if pieces else np.zeros(1, dtype=np.float32)
if sr is None:
diff --git a/app/server.py b/app/server.py
index 2e2f5ca..cb90991 100644
--- a/app/server.py
+++ b/app/server.py
@@ -42,8 +42,8 @@ class TTSRequest(BaseModel):
# 기본값은 각 범위의 가운데. 슬라이더 양 끝이 조절 가능한 최소/최대치.
speed: float = Field(1.25, ge=0.5, le=2.0, description="글자(음소) 발화 속도(0.5~2.0, 기본 1.25)")
pitch: float = Field(0.0, ge=-12.0, le=12.0, description="피치(반음)")
- word_gap: float = Field(0.25, ge=0.0, le=0.5, description="단어 사이 무음 초(0~0.5, 기본 0.25)")
- sentence_gap: float = Field(0.75, ge=0.0, le=1.5, description="문장 사이 무음 초(0~1.5, 기본 0.75)")
+ word_gap: float = Field(0.25, ge=-0.2, le=0.5, description="단어 사이 간격 초(-0.2~0.5, 음수=더 붙임, 기본 0.25)")
+ sentence_gap: float = Field(0.75, ge=-0.5, le=1.5, description="문장 사이 간격 초(-0.5~1.5, 음수=더 붙임, 기본 0.75)")
@app.on_event("startup")
diff --git a/frontend/index.html b/frontend/index.html
index f7ba760..373e9e7 100644
--- a/frontend/index.html
+++ b/frontend/index.html
@@ -53,16 +53,16 @@
단어 간격250 ms
-
-