Repository navigation
IPA-first TTS v0.1.0
首个可运行的 Windows x64 离线 MVP:文本 → eSpeak-NG → 可编辑的 Canonical IPA → Kokoro phoneme adapter → sherpa-onnx CPU 推理 → WAV / 播放。
下载和运行
- Windows 10/11 x64 用户:下载
ipa-first-tts-v0.1.0-windows-x64-offline.zip,完整解压,双击Start-IPA-Studio.cmd,在浏览器打开终端显示的http://127.0.0.1:17842。 - 运行包包含模型、eSpeak-NG、sherpa/ONNX Runtime 和应用目录内的 VC++ runtime;无需另外安装 Rust、Python、Node 或 VC++ Redistributable,合成时无需联网。
- 源码与许可证审查:下载
ipa-first-tts-v0.1.0-corresponding-source.zip。它包含当前提交的源码、vendored Rust 依赖、15 个固定版本的 native 上游源码归档、匹配的官方 native 二进制归档及重建说明。模型在运行包中。 - 使用
SHA256SUMS.txt校验两个 ZIP。运行包内的MANIFEST.json提供逐文件哈希。
已实现
- 独立的
ipa-core:Unicode IPA IR、重音、长音、词边界、tie bar、基本校验和规范化。 G2pBackend、TtsBackend、PhonemeAdapter、Aligner扩展接口;IPA Core 不依赖具体模型。- 英语 eSpeak-NG G2P、真实 Kokoro / sherpa-onnx 推理,以及 eSpeak 语音 fallback。
- 极简本地 UI:文本输入、生成和直接编辑 IPA、合成、Play / Stop、音素序列和明确标为估算的播放高亮。
- CLI
doctor、g2p、synth、demo、serve,并附 pangram WAV 示例。
验证
Windows release build、16 个单元测试、2 个真实 G2P/合成集成测试、Clippy,以及 Windows / Linux GitHub CI 均通过。实际跑通了 “The quick brown fox jumps over the lazy dog.”,生成 24 kHz 单声道 PCM16 WAV。
从最终 ZIP 解压到含空格的目录,再以不含开发工具的 PATH 验证真实 Kokoro 合成,以及 UI Generate IPA → Synthesize → Play → Stop、音素高亮和许可页面;两个 ZIP 的完整性及运行包逐文件哈希均已核验。
当前限制
目前入口仅开放英语;高亮为均匀估算,不是模型输出或强制对齐。UI 使用本地浏览器,尚未加 Tauri 壳。Kokoro 会按句重建推理会话以保证编辑后的音素进入模型,因此首次合成及长句较慢。模型词表不支持的有效 IPA 会给出明确错误。完整运行包约 343 MiB,源码包约 373 MiB。
许可证
依照 Stya Yur License Policy:应用及 UI 为 GPL-3.0-or-later;可复用 Rust crates 为 MPL-2.0;小脚本为 MIT;独立文档为 CC-BY-4.0。第三方模型、软件和 Microsoft 系统运行库保留原始许可证,完整条款与边界见仓库 licenses/README.md 和 THIRD_PARTY_NOTICES.md。GitHub 自动生成的源码 ZIP 不含 vendored/native 归档;完整材料请使用本 Release 的 corresponding-source ZIP。
下一步:减少 Kokoro 会话重建成本、接入真实音素对齐、增加 Tauri 壳,以及逐步启用其他语言和 TTS backend。