Update app.py

app.py

@@ -1,3 +1,35 @@
+import ONNXVITS_models
+import utils
+from text import text_to_sequence
+import torch
+import commons
+
+def get_text(text, hps):
+    text_norm = text_to_sequence(text, hps.symbols, hps.data.text_cleaners)
+    if hps.data.add_blank:
+        text_norm = commons.intersperse(text_norm, 0)
+    text_norm = torch.LongTensor(text_norm)
+    return text_norm
+
+hps = utils.get_hparams_from_file("lovelive/config.json")
+symbols = hps.symbols
+net_g = ONNXVITS_models.SynthesizerTrn(
+    len(symbols),
+    hps.data.filter_length // 2 + 1,
+    hps.train.segment_size // hps.data.hop_length,
+    n_speakers=hps.data.n_speakers,
+    **hps.model)
+_ = net_g.eval()
+_ = utils.load_checkpoint("lovelive/G_525000.pth", net_g)
+
+text1 = get_text("[JA]ありがとうございます。[JA]", hps)
+stn_tst = text1
+with torch.no_grad():
+    x_tst = stn_tst.unsqueeze(0)
+    x_tst_lengths = torch.LongTensor([stn_tst.size(0)])
+    sid = torch.tensor([0])
+    o = net_g(x_tst, x_tst_lengths, sid=sid, noise_scale=.667, noise_scale_w=0.8, length_scale=1)
+'''
 import romajitable
 import re
 import numpy as np
@@ -161,16 +193,17 @@ app = gr.Blocks()
 with app:
     with gr.Tabs():
 
-        with gr.TabItem("虹团vits模型，现可按句分割实现长文本合成"):
+        with gr.TabItem("虹团vits模型，现可按句分割实现长文本合成，onnx导出后存在质量损失，建议本地运行vits模型"):
 
             tts_input1 = gr.TextArea(label="去标贝新模型，老版本在lovelive文件夹中", value="数千怀言者已经为你集结，列队在通往主舰桥的过道上。他们歌唱着你们名字，高声呼喊，以一种原始的、咆哮般的合唱作为对你的致敬。你从他们中间走过，一边点头，一边接受他们的赞美，你沉溺其中，几乎被他们巨大的音量所震撼。\n他们之中没有一个胆敢直视你。没有一个能够承受。你对他们超人类的眼睛来说都太过光辉。从他们中间走过时，你巨大的影子从他们身上掠过，他们立时将目光挪开，眼含泪水，吟诵你的大名时甚至不敢看你一眼。他们的吟唱中含有愤怒。几乎是疯狂的绝望。那感觉就好像他们害怕停下来，害怕自己会喘息停顿，好像尖叫出你的名字是唯一能让他们活着的事情。\n或许确实如此。作为对他们崇拜的回应，你谦虚地抬抬手，随后走进主舰桥。\nI In a word, Horus is a joker.")
             language = gr.Dropdown(label="选择语言，目前勉强可以做到自动识别",choices=lan, value="自动", interactive=True)
-            para_input1 = gr.Slider(minimum= 0.01,maximum=1.0,label="更改噪声比例", value=0.667)
-            para_input2 = gr.Slider(minimum= 0.01,maximum=1.0,label="更改噪声偏差，调小可以缩短间隔", value=0.8)
+            para_input1 = gr.Slider(minimum= 0.01,maximum=1.0,label="更改噪声比例，以控制情感", value=0.667)
+            para_input2 = gr.Slider(minimum= 0.01,maximum=1.0,label="更改噪声偏差，以控制音素长短", value=0.7)
             para_input3 = gr.Slider(minimum= 0.1,maximum=10,label="更改时间比例", value=1)
             tts_submit = gr.Button("Generate", variant="primary")
             speaker1 = gr.Dropdown(label="选择说话人",choices=idols, value="歩夢", interactive=True)
             tts_output2 = gr.Audio(label="Output")
             tts_submit.click(infer, [language,tts_input1,speaker1,para_input1,para_input2,para_input3], [tts_output2])
     #app.launch(share=True)
-    app.launch()
+    app.launch()
+'''