该项目是一个唤醒词语音数据集生成工具，主要包含两个核心模块：语音分割（VoiceSegmentation）和语音生成（VoiceGeneration）。该项目的目标是快速生成用于唤醒词语音数据集的音频文件。
该模块使用ASR（自动语音识别）技术将长音频文件切分成短音频文件。 工作流程：
- 读取长音频文件
- 使用静音检测进行初步分割
- 对分割后的片段进行进一步处理（如音量分析、语速分析）
- 使用ASR识别语音内容
- 保存处理后的短音频片段
该模块提供多种语音合成方案，支持不同的TTS（文本到语音）引擎和声音特性定制。 主要功能：
- 多种TTS引擎支持（Edge TTS、Orpheus、CosyVoice等）
- 多样化的声音特性（不同口音、语速、音量等）
- 批量生成语音文件
- 对话场景语音生成
├── README.md # 项目主文档
├── requirements.txt # 项目依赖
├── VoiceSegmentation/ # 语音分割模块
│ ├── README.md # 语音分割模块文档
│ ├── config.py # 配置文件
│ ├── segmentation.py # 语音分割主程序
│ ├── wav_info.py # WAV文件分析
│ ├── wav_resample.py # WAV文件重采样
│ └── output_audio/ # 输出目录
├── VoiceGeneration/ # 语音生成模块
│ ├── cosyvoice.py # CosyVoice引擎
│ ├── edgetts.py # Edge TTS引擎
│ ├── orpheus.py # Orpheus AI模型
│ ├── speaker_gen.py # 说话人信息生成
└── └── dataset/ # 声音模型数据集
- 使用语音分割功能需要配置Microsoft Azure语音服务的API密钥
- 部分语音生成引擎可能需要额外的API密钥或环境变量
- 处理大量音频文件时，请确保有足够的磁盘空间
- 模块化设计，各功能相对独立
- 支持多种语音处理场景
- 可扩展性强，易于添加新的语音处理功能
- 详细的日志记录，便于调试和监控