f197177ae1
- FastAPI 백엔드: /api/voices, /api/tts, /api/health - 한국어 메인 + 영어(5종 악센트), 중국어/일본어 UI 제거 - 언어별 목소리 모델 선택, 속도(0.5~2.0x)/피치(±12반음) 조절 - 로그인/사용제한/과금 유도 없음 (무제한 테스트) - NVIDIA GPU 자동 사용 (torch cu128, Blackwell sm_120) - 유저 친화 한국어 UI (frontend) - Docker/compose (GPU 예약), 8788 포트 - MeloTTS(순수 파이썬) 벤더링 + 검증된 버전 고정(constraints)
291 lines
4.2 KiB
Python
291 lines
4.2 KiB
Python
# punctuation = ["!", "?", "…", ",", ".", "'", "-"]
|
||
punctuation = ["!", "?", "…", ",", ".", "'", "-", "¿", "¡"]
|
||
pu_symbols = punctuation + ["SP", "UNK"]
|
||
pad = "_"
|
||
|
||
# chinese
|
||
zh_symbols = [
|
||
"E",
|
||
"En",
|
||
"a",
|
||
"ai",
|
||
"an",
|
||
"ang",
|
||
"ao",
|
||
"b",
|
||
"c",
|
||
"ch",
|
||
"d",
|
||
"e",
|
||
"ei",
|
||
"en",
|
||
"eng",
|
||
"er",
|
||
"f",
|
||
"g",
|
||
"h",
|
||
"i",
|
||
"i0",
|
||
"ia",
|
||
"ian",
|
||
"iang",
|
||
"iao",
|
||
"ie",
|
||
"in",
|
||
"ing",
|
||
"iong",
|
||
"ir",
|
||
"iu",
|
||
"j",
|
||
"k",
|
||
"l",
|
||
"m",
|
||
"n",
|
||
"o",
|
||
"ong",
|
||
"ou",
|
||
"p",
|
||
"q",
|
||
"r",
|
||
"s",
|
||
"sh",
|
||
"t",
|
||
"u",
|
||
"ua",
|
||
"uai",
|
||
"uan",
|
||
"uang",
|
||
"ui",
|
||
"un",
|
||
"uo",
|
||
"v",
|
||
"van",
|
||
"ve",
|
||
"vn",
|
||
"w",
|
||
"x",
|
||
"y",
|
||
"z",
|
||
"zh",
|
||
"AA",
|
||
"EE",
|
||
"OO",
|
||
]
|
||
num_zh_tones = 6
|
||
|
||
# japanese
|
||
ja_symbols = [
|
||
"N",
|
||
"a",
|
||
"a:",
|
||
"b",
|
||
"by",
|
||
"ch",
|
||
"d",
|
||
"dy",
|
||
"e",
|
||
"e:",
|
||
"f",
|
||
"g",
|
||
"gy",
|
||
"h",
|
||
"hy",
|
||
"i",
|
||
"i:",
|
||
"j",
|
||
"k",
|
||
"ky",
|
||
"m",
|
||
"my",
|
||
"n",
|
||
"ny",
|
||
"o",
|
||
"o:",
|
||
"p",
|
||
"py",
|
||
"q",
|
||
"r",
|
||
"ry",
|
||
"s",
|
||
"sh",
|
||
"t",
|
||
"ts",
|
||
"ty",
|
||
"u",
|
||
"u:",
|
||
"w",
|
||
"y",
|
||
"z",
|
||
"zy",
|
||
]
|
||
num_ja_tones = 1
|
||
|
||
# English
|
||
en_symbols = [
|
||
"aa",
|
||
"ae",
|
||
"ah",
|
||
"ao",
|
||
"aw",
|
||
"ay",
|
||
"b",
|
||
"ch",
|
||
"d",
|
||
"dh",
|
||
"eh",
|
||
"er",
|
||
"ey",
|
||
"f",
|
||
"g",
|
||
"hh",
|
||
"ih",
|
||
"iy",
|
||
"jh",
|
||
"k",
|
||
"l",
|
||
"m",
|
||
"n",
|
||
"ng",
|
||
"ow",
|
||
"oy",
|
||
"p",
|
||
"r",
|
||
"s",
|
||
"sh",
|
||
"t",
|
||
"th",
|
||
"uh",
|
||
"uw",
|
||
"V",
|
||
"w",
|
||
"y",
|
||
"z",
|
||
"zh",
|
||
]
|
||
num_en_tones = 4
|
||
|
||
# Korean
|
||
kr_symbols = ['ᄌ', 'ᅥ', 'ᆫ', 'ᅦ', 'ᄋ', 'ᅵ', 'ᄅ', 'ᅴ', 'ᄀ', 'ᅡ', 'ᄎ', 'ᅪ', 'ᄑ', 'ᅩ', 'ᄐ', 'ᄃ', 'ᅢ', 'ᅮ', 'ᆼ', 'ᅳ', 'ᄒ', 'ᄆ', 'ᆯ', 'ᆷ', 'ᄂ', 'ᄇ', 'ᄉ', 'ᆮ', 'ᄁ', 'ᅬ', 'ᅣ', 'ᄄ', 'ᆨ', 'ᄍ', 'ᅧ', 'ᄏ', 'ᆸ', 'ᅭ', '(', 'ᄊ', ')', 'ᅲ', 'ᅨ', 'ᄈ', 'ᅱ', 'ᅯ', 'ᅫ', 'ᅰ', 'ᅤ', '~', '\\', '[', ']', '/', '^', ':', 'ㄸ', '*']
|
||
num_kr_tones = 1
|
||
|
||
# Spanish
|
||
es_symbols = [
|
||
"N",
|
||
"Q",
|
||
"a",
|
||
"b",
|
||
"d",
|
||
"e",
|
||
"f",
|
||
"g",
|
||
"h",
|
||
"i",
|
||
"j",
|
||
"k",
|
||
"l",
|
||
"m",
|
||
"n",
|
||
"o",
|
||
"p",
|
||
"s",
|
||
"t",
|
||
"u",
|
||
"v",
|
||
"w",
|
||
"x",
|
||
"y",
|
||
"z",
|
||
"ɑ",
|
||
"æ",
|
||
"ʃ",
|
||
"ʑ",
|
||
"ç",
|
||
"ɯ",
|
||
"ɪ",
|
||
"ɔ",
|
||
"ɛ",
|
||
"ɹ",
|
||
"ð",
|
||
"ə",
|
||
"ɫ",
|
||
"ɥ",
|
||
"ɸ",
|
||
"ʊ",
|
||
"ɾ",
|
||
"ʒ",
|
||
"θ",
|
||
"β",
|
||
"ŋ",
|
||
"ɦ",
|
||
"ɡ",
|
||
"r",
|
||
"ɲ",
|
||
"ʝ",
|
||
"ɣ",
|
||
"ʎ",
|
||
"ˈ",
|
||
"ˌ",
|
||
"ː"
|
||
]
|
||
num_es_tones = 1
|
||
|
||
# French
|
||
fr_symbols = [
|
||
"\u0303",
|
||
"œ",
|
||
"ø",
|
||
"ʁ",
|
||
"ɒ",
|
||
"ʌ",
|
||
"ɜ",
|
||
"ɐ"
|
||
]
|
||
num_fr_tones = 1
|
||
|
||
# German
|
||
de_symbols = [
|
||
"ʏ",
|
||
"̩"
|
||
]
|
||
num_de_tones = 1
|
||
|
||
# Russian
|
||
ru_symbols = [
|
||
"ɭ",
|
||
"ʲ",
|
||
"ɕ",
|
||
"\"",
|
||
"ɵ",
|
||
"^",
|
||
"ɬ"
|
||
]
|
||
num_ru_tones = 1
|
||
|
||
# combine all symbols
|
||
normal_symbols = sorted(set(zh_symbols + ja_symbols + en_symbols + kr_symbols + es_symbols + fr_symbols + de_symbols + ru_symbols))
|
||
symbols = [pad] + normal_symbols + pu_symbols
|
||
sil_phonemes_ids = [symbols.index(i) for i in pu_symbols]
|
||
|
||
# combine all tones
|
||
num_tones = num_zh_tones + num_ja_tones + num_en_tones + num_kr_tones + num_es_tones + num_fr_tones + num_de_tones + num_ru_tones
|
||
|
||
# language maps
|
||
language_id_map = {"ZH": 0, "JP": 1, "EN": 2, "ZH_MIX_EN": 3, 'KR': 4, 'ES': 5, 'SP': 5 ,'FR': 6}
|
||
num_languages = len(language_id_map.keys())
|
||
|
||
language_tone_start_map = {
|
||
"ZH": 0,
|
||
"ZH_MIX_EN": 0,
|
||
"JP": num_zh_tones,
|
||
"EN": num_zh_tones + num_ja_tones,
|
||
'KR': num_zh_tones + num_ja_tones + num_en_tones,
|
||
"ES": num_zh_tones + num_ja_tones + num_en_tones + num_kr_tones,
|
||
"SP": num_zh_tones + num_ja_tones + num_en_tones + num_kr_tones,
|
||
"FR": num_zh_tones + num_ja_tones + num_en_tones + num_kr_tones + num_es_tones,
|
||
}
|
||
|
||
if __name__ == "__main__":
|
||
a = set(zh_symbols)
|
||
b = set(en_symbols)
|
||
print(sorted(a & b))
|