Sound speed

[artenax]

I use these scripts on Linux:

import os
import re
import torch
from pydub import AudioSegment
import glob

device = torch.device('cpu')
torch.set_num_threads(1)
local_file = 'model.pt'

# Загрузка модели
if not os.path.isfile(local_file):
    torch.hub.download_url_to_file('https://models.silero.ai/models/tts/ru/v5_ru.pt',
                                   local_file)

model = torch.package.PackageImporter(local_file).load_pickle("tts_models", "model")
model.to(device)

# Параметры
sample_rate = 48000
speaker = 'baya'
input_file = 'book.txt'
output_file = 'audiobook.wav'
temp_dir = 'temp_audio'

# Создаем папку для временных файлов
os.makedirs(temp_dir, exist_ok=True)

# Функция для разбиения текста на предложения
def split_into_sentences(text):
    # Разбиваем по точкам, вопросам и восклицаниям
    sentences = re.split(r'([.!?])\s+', text)
    
    # Восстанавливаем пунктуацию с предложениями
    result = []
    for i in range(0, len(sentences) - 1, 2):
        sentence = sentences[i].strip()
        if i + 1 < len(sentences):
            sentence += sentences[i + 1]
        if sentence.strip():
            result.append(sentence.strip())
    
    return result

# Читаем текст из файла
print(f"Читаю {input_file}...")
with open(input_file, 'r', encoding='utf-8') as f:
    text = f.read()

# Разбиваем на предложения
sentences = split_into_sentences(text)
print(f"Разбил на {len(sentences)} предложений")

# Обрабатываем каждое предложение
audio_files = []
for idx, sentence in enumerate(sentences, 1):
    print(f"Обрабатываю предложение {idx}/{len(sentences)}: {sentence[:50]}...")
    
    try:
        # Silero сохраняет как test.wav, нужно переименовать
        audio_paths = model.save_wav(text=sentence,
                                     speaker=speaker,
                                     sample_rate=sample_rate)
        
        # Переименовываем файл
        old_file = 'test.wav'
        new_file = os.path.join(temp_dir, f'sentence_{idx:04d}.wav')
        
        if os.path.exists(old_file):
            os.rename(old_file, new_file)
            audio_files.append(new_file)
        
    except Exception as e:
        print(f"Ошибка при обработке предложения {idx}: {e}")

# Склеиваем все аудиофайлы
print(f"\nСклеиваю {len(audio_files)} аудиофайлов...")
combined_audio = AudioSegment.empty()

for audio_file in sorted(audio_files):
    audio = AudioSegment.from_wav(audio_file)
    combined_audio += audio

# Сохраняем результат
combined_audio.export(output_file, format="wav")
print(f"Готово! Результат сохранён в {output_file}")

# Удаляем временные файлы
for f in glob.glob(os.path.join(temp_dir, '*.wav')):
    os.remove(f)
os.rmdir(temp_dir)
print("Временные файлы удалены")

(ls -1 *.wav | grep -v silence | sort -V | while read f; do
  echo "file '$f'"
  echo "file 'silence.wav'"
done) > list.txt && ffmpeg -f concat -safe 0 -i list.txt -c copy audio.wav

How can I reduce the sound speed by 15%?

[snakers4]

You can try using SSML
See the examples in the notebook

[artenax]

"slow" how many percent is that? I would like -15%.