local-tts-dublisted
Install: claude install-skill wohuishuo/cc-video-pipeline
# 本地 TTS 配音
## 先做路由
1. **要可靠成片、长文朗读或批处理**：使用 `tools/tts-mvp` 稳定生产版，设备选 CPU。
2. **只做预设音色单句**：使用 `tts.py`。
3. **纳西妲/七七声线或跨语言**：使用 Base 模型的 `cross_clone.py`；整稿使用 `dub.py --clone`。
4. **已有 SRT 或要替换视频音轨**：使用 `dub.py --srt ... --video ...`。
5. **研究 Transformers 5/XPU/torch.compile**：只使用 `projects/qwen3-tts-xpu-v5-fork`。先读 [references/xpu-experiment.md](references/xpu-experiment.md)，不得覆盖生产环境。
先运行：
```powershell
.\.claude\skills\local-tts-dub\scripts\check.ps1
```
## 稳定生产命令
在 `tools/tts-mvp` 目录运行，必须使用其 Python 3.12 独立环境：
```powershell
cd tools\tts-mvp
$py = '.\.venv\Scripts\python.exe'
```
### 纳西妲单句跨语言克隆
```powershell
$ref = 'voices\纳西妲_zh\ready\vo_dialog_LLZAQ004_nahida_01.wav'
$refText = '这次太感谢你们了，请好好休息。累了可以去洗个澡上个厕所转换心情哦。'
$py .\cross_clone.py --ref $ref --ref_text $refText `
--text 'Hello, welcome to the lesson.' --lang en --out outputs\nahida_en.wav
```
把 `--lang` 改成 `zh`、`ja`、`ru` 即可。参考文本必须与参考音频完全一致。
### 整稿和视频配音
```powershell
# 一行一句；模型只加载一次
$py .\dub.py --lines script.txt --lang zh --clone `
--ref $ref --ref_text $refText --gap 0.35 --out outputs\narration.wav
# 按 SRT 时间轴配音并换入视频
$py .\dub.py --srt captions.en.srt --lang en --clone `
--ref $ref --ref_text $refText --video input.mp4 --out output_en.mp4
```
中英日俄混合稿不能用单个 `dub.py --lang`。应把文本拆成带 `lang` 的片段，在同一 Python 进程内调用 `get_engine('qwen')`，逐段 `synth_clone()`，最后复用 `ttslib.align.mux()`；不要为每句启动一次 Python。
## Transformers 5 / Intel XPU 实验
当前只适合测速和修复，**不适合成片**：Transformers 5 分支仍有 EOS 不停止问题。`128 tokens` 是固定长度吞吐测试，不是