基于 MeloTTS.cpp 的轻量级的纯 C++ 文本转语音（TTS）库

MeloTTS.cpp 是一个轻量级的纯 C++ 文本转语音（Text-to-Speech，TTS）库，由 MyShell.ai 开发并发布。它基于 MeloTTS 项目，支持多种语言的语音合成，包括英语、中文（混合英语）以及即将支持的日语等。

MeloTTS.cpp 的技术架构主要包含以下三个模型：

BERT 模型：用于文本预处理，采用 bert-base-multilingual-uncased（中文）或 bert-base-uncased（英语）。
TTS 模型：负责将处理后的文本转换为语音。
DeepFilterNet 模型：用于去噪，特别是处理 int8 量化模型生成的背景噪声。

一、下载 OpenVINO™ GenAI C++ 包

Windows 系统：

1. 在命令提示符（cmd）中运行以下命令下载 OpenVINO™ GenAI C++ 包：

curl -O https://storage.openvinotoolkit.org/repositories/openvino_genai/packages/2025.1/windows/openvino_genai_windows_2025.1.0.0_x86_64.zip
tar -xzvf openvino_genai_windows_2025.1.0.0_x86_64.zip

Linux 系统：

1. 访问 OpenVINO 官方网站的 OpenVINO™ GenAI 包下载页面。
2. 下载适合您系统的 C++ 包，并解压该包。

二、安装 CMake

Windows 系统

1. 访问 CMake 官方下载页面，下载适合当前系统的安装程序

CMake 官方下载页面。

在安装选项中，建议勾选“Add CMake to system PATH for all users”或“Add CMake to system PATH for current user”，以便在命令行中直接使用 CMake。

2. 验证安装

打开命令提示符（cmd），输入以下命令验证 CMake 是否安装成功：

cmake --version

如果显示 CMake 的版本信息，则表示安装成功。

Linux 系统

1. 使用包管理器安装（适用于基于 Debian 的系统，如 Ubuntu）

打开终端，输入以下命令安装 CMake：

sudo apt update
sudo apt install cmake

2. 使用包管理器安装（适用于基于 Red Hat 的系统，如 CentOS 或 Fedora）

sudo yum install cmake    # CentOS
sudo dnf install cmake    # Fedora

三、克隆 MeloTTS.cpp 仓库

1. 安装 Git LFS（如果尚未安装）：

git lfs install

2. 克隆 MeloTTS.cpp 仓库：

git clone https://github.com/apinge/MeloTTS.cpp.git

四、构建和运行项目

Windows 系统：

1. 打开命令提示符并设置 OpenVINO™ GenAI 环境变量（假设 `<OpenVINO_GenAI_DIR>` 是 OpenVINO™ GenAI 包的解压目录）：

<OpenVINO_GenAI_DIR>setupvars.bat

2. 切换到 MeloTTS.cpp 仓库目录并构建项目：

cd MeloTTS.cpp
cmake -S . -B build && cmake --build build --config Release

3. 运行构建后的可执行文件：

.uildReleasemeloTTS_ov.exe --model_dir ov_models --input_file inputs_en.txt --output_filename audio

Linux 系统：

1. 打开终端并设置 OpenVINO™ GenAI 环境变量：

source <OpenVINO_GenAI_DIR>/setupvars.sh

2. 切换到 MeloTTS.cpp 仓库目录并构建项目：

cd MeloTTS.cpp
cmake -S . -B build && cmake --build build --config Release

3. 运行构建后的可执行文件：

./build/meloTTS_ov --model_dir ov_models --input_file inputs_en.txt --output_filename audio

五、启用或禁用 DeepFilterNet

DeepFilterNet 是用于从 int8 量化模型中过滤背景噪声的功能，该功能默认启用。如果希望禁用 DeepFilterNet，可以在 CMake 阶段使用以下选项：

cmake -S . -B build -DUSE_DEEPFILTERNET=OFF

六、参数说明

可以通过以下参数自定义运行脚本的行为：

--model_dir: 指定包含模型文件、字典文件和第三方资源文件的目录，默认为仓库中的 ov_models 文件夹。

--tts_device: 指定用于 TTS 模型的 OpenVINO 设备，默认为 CPU。

--bert_device: 指定用于 BERT 模型的 OpenVINO 设备，默认为 CPU。

--nf_device: 指定用于 DeepFilterNet 模型的 OpenVINO 设备，默认为 CPU。

--input_file: 指定要处理的输入文本文件，确保文本为 UTF-8 格式。

--output_filename: 指定生成的输出音频文件名，格式为 {output_filename}_{language_style}.wav。

--speed: 指定输出音频的速度，默认为 1.0。

--quantize: 是否使用量化 TTS 模型，默认为 true。

--disable_bert: 是否禁用 BERT 模型推理，默认为 false。

--disable_nf: 是否禁用 DeepFilterNet 模型推理，默认为 false。

--language: 指定 TTS 的语言，默认为英语（EN）。

七、NPU 设备支持

如果使用 NPU 作为推理设备，以下是启用该功能的方法：

1. 构建时，启用 BERT 模型的 NPU 支持：

cmake -DUSE_BERT_NPU=ON -B build -S .

2. 设置模型的设备参数：

buildReleasemeloTTS_ov.exe --bert_device NPU --nf_device NPU --model_dir ov_models --input_file inputs.txt --output_file audio.wav

八、支持的系统和版本

操作系统: Windows, Linux

CPU 架构: Meteor Lake, Lunar Lake, 以及大多数 Intel CPU

GPU 架构: Intel® Arc™ Graphics (Intel Xe, 包括 iGPU)

NPU 架构: NPU 4, 以及 Meteor Lake 或 Lunar Lake 中的 NPU

OpenVINO 版本: >=2024.4

C++ 版本: >=C++20

注意事项：如果使用的是 Windows 系统的 AI 笔记本电脑，通常 GPU 和 NPU 驱动程序已经预装。但对于 Linux 用户或希望更新到最新驱动程序的 Windows 用户，应遵循以下指南：

GPU: 如果使用 GPU，请参考 OpenVINO™ 的 Intel® 处理器图形配置 以安装 GPU 驱动程序。
NPU: 如果使用 NPU，请参考 NPU 设备文档 以确保 NPU 驱动程序正确安装。