绘心 Voice

来自 XnneHangLab 的语音产品仓库

---

Note

这个仓库现在不再负责桌面启动器本身。

启动器与桌面壳层将放在独立仓库中继续演进； 而当前仓库收敛为语音产品本体，聚焦 TTS 能力、资源组织、后端适配与运行分发。

Tip

当前方向可以理解为：

• HuixinLauncherTemplate 负责桌面启动器 / Launcher
• 绘心 Voice 负责语音产品本体

两者分离开发，后续由启动器接入本仓库能力。

项目定位

绘心 Voice 是一个聚焦语音生成与展示体验的产品仓库。

它当前主要负责：

• 多个 TTS 后端的统一接入
• 角色语音资源组织
• provider 适配层
• 运行时依赖与分发方式整理
• 用更轻的方式展示和验证语音能力

启动器、桌面壳层、exe 入口不再作为这个仓库的核心职责。

当前目标

当前仓库聚焦三件事：

1. TTS 后端统一接入

支持并整理这些后端：

• GSV-Lite
• Genie-TTS
• faster-qwen-tts

2. 语音资源与推理体验

负责：

• 角色 / 情绪 / 风格资源组织
• provider 参数收敛
• 统一调用入口
• 生成与试听体验

3. 运行与分发

支持三种方式：

• uv
• docker
• conda

并逐步明确：

• CPU 版本怎么装
• GPU 版本怎么装
• 模型如何按需下载

为什么这样拆分

Important

语音产品本体和桌面启动器不是一个层级的问题。

把它们拆开后会更清楚：

• 本仓库专心做语音能力
• 启动器仓库专心做桌面入口
• 后续可以分别迭代，不互相拖累

这意味着当前仓库更像：

• Voice product repository
• TTS runtime repository
• provider integration repository

而不是 Launcher 仓库。

计划支持的后端

• GSV-Lite
• Genie-TTS
• faster-qwen-tts

后续会通过统一的 provider 适配层来组织调用方式，而不是让上层直接耦合到具体实现。

第一阶段目标

第一阶段先把这些事情做稳：

• provider 适配层
• 基础 voices 资源组织
• uv / docker / conda 三种运行方式
• CPU / GPU 安装策略区分
• 模型下载职责与运行仓库职责划清

快速开始

需要先安装 uv 和 just。

安装依赖

uv sync

选择 PyTorch 版本

默认配置：Windows → CUDA 12.8（RTX 50 系 / Blackwell），Linux → CPU。

先运行 nvidia-smi，查看右上角的 CUDA Version，选对应命令：

GPU	CUDA Version	命令
无独显 / 纯测试	—	just use-cpu
GTX 10xx ~ RTX 20/30 系旧驱动	≤ 11.8	just use-cu118
RTX 20/30/40 系新驱动	12.4	just use-cu124
RTX 50 系 (Blackwell)	≥ 12.8	just use-cu128（默认已配置，首次直接 uv sync）

命令会自动替换配置、清理旧环境并重新安装，无需手动操作。

Note

Windows 文件锁问题：如果提示无法删除 .venv，说明有程序正在占用该目录（常见：VS Code Python 插件、Jupyter、已打开的终端）。 关闭相关程序后重新执行 just use-* 即可。

安装完成后验证：

just torch-check

与 XnneHangLab 的关系

如果你想使用完整项目，请前往主仓库：

• XnneHangLab

如果你想关注语音产品线本身，那当前仓库就是这个方向。