S.C.R.E.A.M. 语音转换渲染与增强型AI调制

我的硬盘里积攒了不少多年来为各种用途编写的Python脚本。最终我决定将它们整合成一个实用的程序，并在这里分享出来。
请注意，我绝非专业程序员，完成此项目严重依赖了AI辅助。音频转换部分，我使用了需要单独下载的现有工具。 


该程序仍处于测试阶段，可能/将会包含bug。请自行承担使用风险。 


特性

- 转换各种音频格式（甚至一些冷门的格式）
- 两种生成方式的AI语音变更
直接将.fuz转换为.fuz并改变语音（通常的路径是从.fuz到.xwm，再到wav，再回到.xwm，最后到.fuz）
生成新的或缺失的.lip文件
直接在程序中利用文本转语音功能创建AI语音台词

安装：

下载 .exe 文件——最好将其放入独立文件夹中

2. 程序启动时应创建以下文件夹：
- 转换器
- ffmpeg
- fuz
- vgmstream-cli

3. 下载以下转换器，并按如下方式放入文件夹中：

ffmpeg： 
* 必需，几乎所有转换都需要
- ffmpeg.exe 

fuz： 
* 可选，仅当您需要在 .fuz 或 .xwm 文件之间进行转换时才需要
- Fuz-extractor.exe
- LipGenerator.exe （来自 Creation Kit，位于 Tools/LipGen/LipGenerator/ - 复制这两个文件）
- xWMAEncode.exe

vgmstream命令行工具：
* 可选，仅当存在ffmpeg不支持的其他游戏音频文件时需要
-vgmstream-cli.exe

4. 重新启动程序


使用方法：

简易转换

通过“添加文件”/“添加文件夹”按钮导入音频文件，或从文件资源管理器中拖放导入。
2. 双击文件或选中多个文件后按空格键，即可切换是否转换该文件。
3. 设置输出格式和比特率
4. 如果你正在转换自或转换为.fuz格式，你可以选择包含.lip文件。
5. 如果你正在转换为.fuz格式，且没有与输入文件匹配的.lip文件，你可以选择生成它们。
- 选择elevenlabs进行音频文件的自动转录（需要配置elevenlabs，详见下文）
- 选择手动模式，自行将文本分配给输入文件。在列表中右键点击文件，即可添加或编辑文本。
6. 选择线程数量（若使用ElevenLabs，请注意API请求限制）
7. 设置输出目录（默认是在启动时生成的“output”文件夹）
8. 点击“转换所选内容
9. 转换后的文件显示在输出列表中，并可通过播放按钮进行预览
10. 所有设置都保存在 config.json 中


高级转换 - AI

ElevenLabs 设置

在elevenlabs.io创建账户（免费版应该能用，但在令牌、线程和功能方面限制很多）
2. 登录后，导航至左下角的“开发者”选项，然后点击上方居中的第二个选项卡“API 密钥”。
3. 创建API密钥并复制密钥ID
4. 在程序中启用ElevenLabs并粘贴密钥
5. 点击刷新语音，应返回“已加载x个语音”，如果未显示，请检查密钥权限或连接。
6. 你现在可以从你创建的语音中选择，或使用列表中的默认语音。
7. 也可以通过“添加语音”来加入自定义语音，需要提供语音ID
8. 如需可调整语音设置（大多数情况下默认即可）

变声方法一——“语音转语音”

使用此方法时，您的输入语音文件会上传到elevenlabs并直接转换为您选择的语音。这样能保持原声的动态效果。时长也应保持不变，且无需重新生成.lip文件。笑声、哭声和呻吟等非语言音频也会一并转换。缺点是新语音会失去大部分原有的声音特质。因此，如果您希望新声音听起来像某个特定角色，第二种方法可能更为合适。


变声方法一——“语音转文字再转语音”

在这里，输入的音频首先被转录为文本，然后通过文本转语音再转换回音频。音频质量通常会好很多，但动态效果无法保证，你需要重新生成几次（试听文件后点击重新生成，或者取消列表中其他所有选项。文本也可以调整）。此外，这种方法大多数情况下也不适用于笑声等非语言类音频。由于双重转换和可能的重新生成，这种方法比第一种更昂贵，也会消耗更多令牌。


文本转语音（批量）

如果没有可用的输入音频，你也可以完全从文本创建。将方法改为“文本转语音”。现在在elevenlabs部分输入你的文本，通过对话框添加文件，或使用包含你文本的.txt文件。对于文本文件，你可以将每一行作为单独的文本导入。点击转换，收听输出并根据你的喜好进行调整。