fry

一个非常简单、愚蠢、无分配、无std的TTS。它有一些极端的限制

1. 它可能只能处理固定大小的缓冲区（一次最多32个字符）的文本。
2. 它只拼写字符串，实际上并不发音。
3. 它使用espeak生成声音文件，并使用sox修改输出以固定长度。
4. 它没有输出能力。用户必须知道将此数据存储在哪里。
5. 产生的音频仅为16位有符号PCM，单通道。

名称来自术语“vocal fry”。

构建新文件

如果您想为库生成新文件（例如，要更改说话速度），则可以使用data中的脚本创建新文件。请注意，您必须手动更新脚本和库中的变量，以适应对数据文件所做的任何更改。

generate_base.sh

此脚本使用espeak和英文字母字符列表创建新文件，以生成[a-z].wav您可以通过-s标志修改espeak的参数，以通过“每分钟单词数”设置产生更快的声音。

有关更多详细信息，请参阅man espeak或man espeak-ng。

calc.py

此Python文件使用sox命令和一些基本数学来计算输出，以便在WAV文件中添加0填充，使所有文件长度完全相同（以字节和时间计）。然后，剥离头文件，以便WAV数据只是简单的原始PCM数据。用户可以决定如何使用此数据。