Repository navigation
v0.12.0
·
200 commits
to master
since this release
v0.12.0 —— 会说话的四个人
这一版只动了一件事:本地朗读的音色。原来那两条通用中文女声(超文 / 小雅)换成了
四条角色音,顺手修掉一个「不报错但声音不对」的 bug。
这一版改了什么
本地朗读换成四条角色音
设置 → 语音 → 朗读 →「本地模型」,现在是这四条(每条 120MB、22.05kHz、中/日混读):
| 模型 | 角色 | 出处 |
|---|---|---|
keqing |
刻晴 | 《原神》 |
eula |
优菈 | 《原神》 |
theresa |
德丽莎 | 《崩坏 3》 |
bronya |
理之律者 | 《崩坏 3》 |
它们都是社区训练、由 sherpa-onnx 官方转成 ONNX 的 VITS 模型 —— 也就是不用换引擎、
下下来就能念的那一类。系统 TTS 仍是默认,不受影响。
修掉「声音是别人」的那个 bug
这批模型是「一个游戏一份多说话人模型」:804 个说话人装在同一个网络里,角色只是里面
的一行。而朗读引擎以前把说话人编号写死成 0 —— 不报错、不崩溃,只是念出来的是别人。
现在每个模型带着自己的编号(刻晴 115 / 优菈 124 / 德丽莎 193 / 理之律者 193),
TtsModelCatalogTest 逐个钉住。
这一类错误只有耳朵能发现,所以它值得单独写一段:静默的错不是小事。
为什么不是塔菲 / 菲比
挑音色的过程记在 docs/voice.md §4,这里只说结论:
- 永雏塔菲:公开权重全是 Bert-VITS2 的
.pth,而当前引擎(sherpa-onnx)只认
vits / matcha / kokoro / kitten / zipvoice / pocket —— 架构不同,转换都救不了
(它的文本编码器吃的是 BERT 特征,不是音素 id)。自己补一套 Bert-VITS2 引擎的话:
下载 0.7–2GB、每句 2–6 秒,工程量以周计。判定不值得。 - 《鸣潮》菲比:全网没有可用的 TTS 权重 —— HF 的 models / spaces / datasets 全量搜、
GitHub 仓库与代码搜索、k2-fsa 的 646 个模型资产,都没有。只有一个 RVC 变声模型
(不是合成)和一个空仓库。
说明
- 这四条没有版权方授权:音色由社区用游戏里的角色语音训练,米哈游没有授权。
自己听没问题,商用不行。授权写在下载按钮旁边(和识别模型同一条规矩)。 - 旧模型不会自动删:超文 / 小雅(各约 13MB)留在 App 私有目录里,占约 28MB,
界面上不再出现。要清掉只能卸载重装,而那会连聊天记录一起清 —— 不建议为这点空间折腾。 - 朗读仍不进日志、不出设备;四条模型都是下载后本机合成,正文不会发给任何人。
验证
| 项 | 结果 |
|---|---|
| 门禁三条(格式 / detekt / Lint)+ 全部 JVM 单测 | ✅ |
四个归档的文件布局与文件名(keqing.onnx / bronya.onnx / eula.onnx / theresa.onnx、dict/、三个 FST) |
✅ 逐个流式列过 |
| 用 sherpa-onnx v1.13.8 的 Windows 版真跑 theresa 与 keqing 模型 | ✅ 合成成功,RTF 0.62–0.76 |
sid 确实换声音(同一句话,sid 0 / 115 / 193 输出不同) |
✅ |
| 四条音色在真机上听起来像不像本人 |
没验到的那一步:说话人编号来自源合集 zomehwh/vits-models-genshin-bh3 的 info.json
(它的在线试听页用的就是同一份),但没有真机听过。装完请到
设置 → 语音 → 朗读 里各下一条、点试听:
- 如果听着不是你选的那个角色,那是
sid填错了 —— 换一个编号即可(一行改动,
见TtsModelCatalog),不是引擎问题。 - 描述里写的「中/日混读」是模型本身的能力(
zh_ja_mixture_cleaners),
四种音色对日常中文回复都够用。
安装
adb install -r tappet-v0.12.0-arm64-v8a.apk
sha256sum -c tappet-v0.12.0-arm64-v8a.apk.sha256 # 可选从 0.11.0 覆盖安装即可:聊天记录、已下载的识别模型都不受影响。
装完记得重新启用一次无障碍(adb install -r 会摘掉它)。