[ISSUE] Failed to build installable wheels for some pyproject.toml based projects (pynini)

[Jianing163]

确认清单

• 我已经阅读过 README.md 和 dependencies.md 文件
• 我已经确认之前没有 issue 或 discussion 涉及此 BUG
• 我已经确认问题发生在最新代码或稳定版本中
• 我已经确认问题与 API 无关
• 我已经确认问题与 WebUI 无关
• 我已经确认问题与 Finetune 无关

你的issues

我使用的是 conda环境 python3.10.13
首先我拉下代码之后 我安装依赖 出现了问题 我使用的命令就是：python -m pip install -r requirements.txt
错误如下：
running build_ext
building '_pywrapfst' extension
creating build/temp.macosx-11.0-arm64-cpython-310/extensions
clang++ -Wno-unused-result -Wsign-compare -Wunreachable-code -DNDEBUG -fwrapv -O2 -Wall -fPIC -O2 -isystem /opt/homebrew/Caskroom/miniconda/base/envs/ForgeTTS_3.10/include -arch arm64 -fPIC -O2 -isystem /opt/homebrew/Caskroom/miniconda/base/envs/ForgeTTS_3.10/include -arch arm64 -I/opt/homebrew/Caskroom/miniconda/base/envs/ForgeTTS_3.10/include/python3.10 -c extensions/_pywrapfst.cpp -o build/temp.macosx-11.0-arm64-cpython-310/extensions/_pywrapfst.o -std=c++17 -Wno-register -Wno-deprecated-declarations -Wno-unused-function -Wno-unused-local-typedefs -funsigned-char -stdlib=libc++ -mmacosx-version-min=10.12
In file included from extensions/_pywrapfst.cpp:48:
/opt/homebrew/Caskroom/miniconda/base/envs/ForgeTTS_3.10/include/python3.10/Python.h:25:10: fatal error: 'stdio.h' file not found
#include <stdio.h>
^~~~~~~~~
1 error generated.
error: command '/opt/homebrew/Caskroom/miniconda/base/envs/ForgeTTS_3.10/bin/clang++' failed with exit code 1
[end of output]

note: This error originates from a subprocess, and is likely not a problem with pip.
ERROR: Failed building wheel for pynini
Failed to build pynini
ERROR: ERROR: Failed to build installable wheels for some pyproject.toml based projects (pynini)

[Jianing163]

我的系统是macos M3芯片

[zhzLuke96]

把 reqquirements.txt 里面的 WeTextProcessing 删掉或者注释掉试试

---

这个库依赖 pynini （这个包不在linux上安装有点麻烦），不装这个包也是兼容的， reqquirements.txt 主要是针对linux环境比如docker，没在 mac 上试过

[Jianing163]

问题一：
在我的4090 服务器上 ，ubuntu 我是需要pip requirements.txt 还是requirements.dev.txt 还是reqirements.dev.gpu.txt呢 ，
问题二：
dev以及dev.gpu 这两个里面的matcha-tts的版本是0.0.6.0而这个版本对应的 gradio必须是3.43.2，但是文件中的gradio是4.44.0
大佬帮忙给看一下这两个问题

[Jianing163]

我看文档中 git代码是ChatTTS-Forge，内容如下：
第二步 拉取代码
git clone https://github.com/lenML/ChatTTS-Forge.git --depth=1
但是我没有拉取这个ChatTTs
我使用的是git中的Speech-AI-Forge这个项目来运行的

[Jianing163]

大佬 web界面这样是什么原因呀

[zhzLuke96]

在我的4090 服务器上 ，ubuntu 我是需要pip requirements.txt 还是requirements.dev.txt 还是reqirements.dev.gpu.txt呢 ，

requirements.dev.txt/reqirements.dev.gpu.txt是ci环境跑流水线用的，一般使用不需要用这两个

dev以及dev.gpu 这两个里面的matcha-tts的版本是0.0.6.0而这个版本对应的 gradio必须是3.43.2，但是文件中的gradio是4.44.0

用 4.44.0

我看文档中 git代码是ChatTTS-Forge

ChatTTS-Forge 就是 Speech-AI-Forge，改名字了而已，github 会自动跳转，所以应该你也可以拉到代码

web界面这样是什么原因呀

网络问题，看看浏览器控制台，可能需要配置网络环境，某些css可能被墙了之类的

[Jianing163]

大佬 我也感觉是网络问题，我部署上去之后 让gradio生成的公网访问地址，是没问题的
giadio公网效果：

而 我在4090上部署的样子，er而且这个功能还不能使用 报错连接错误以及听语音的地方就显示错误

[Jianing163]

老师 你好，声音克隆的api 我传入的两个音频文件

params的参数

我没理解的是 这个接口返回的就是我那个123.mp3的音频的内容，
这里的克隆逻辑是什么 我看不懂这部分的代码
handler = VCHandler(
ref_spk=ref_spk,
input_audio=src_audio_wav,
vc_config=vc_config,
encoder_config=encoder_config,
)

        return handler.enqueue_to_response(request=request)

逻辑不是根据src的音频 然后生成一个.sp的文件 ，后续可以使用TTS的接口生成音频吗
或者是 根据src的音频 并传入一个inputText 然后生成一个该inputText的音频吗
请大佬赐教 我没太懂当前这个api的逻辑是什么意思

[Jianing163]

是将src音频的声音克隆成ref的音频的音色，声音克隆只能用 OpenVoice吗 我看webui中CosyVoice的也是可以的给一串文本和一个音频 然后CosyVoice使用该音频的音色生成该文本的音频呢
api接口 /v1/vc 不能换其他模型吗 大佬

[Jianing163]

还有一个事情。大佬，接口1 ：上传一个声音，然后保存成json文件
接口2:指定speakerid 和inputText来生成音频
这样的逻辑 在api中 是哪一个呀 大佬

[zhzLuke96]

v1的接口除了vc接口都不支持直接克隆，需要你先提供 spk 文件，spk文件现在新版本的暂时没法用api创建
（/v1/speaker/create和/v1/speaker/update还没完全适配新spk结构）

目前，你可以用两个方法创建spk文件：

• 在webui中的 音色>builder tab下面创建音色文件
• 使用代码创建（暂时没有示例代码...后面我看情况可以增加几个） API Demo Examples #194

关于克隆音色：

• 现在所有模型都支持克隆
• 指定spk克隆：使用 v1 接口需要指定 spk，也就是需要在 data/speakers 目录下提供 spk 文件
• 提供参考音频克隆：使用 v2 接口既可以指定 spk，也可以直接提供参考音频（这样可以不依赖 data/speakers 文件），具体用法：

curl http://localhost:7870/v2/tts \
  -H "Authorization: Bearer anything_your_wanna" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello world!",
    "spk": {
      "from_ref": {
        "wav_b64": "<你的参考音频的base64字符串>",
        "text": "<参考音频对应的文本>"
      }
    }
  }' \
  --output speech.mp3

需要看接口参数有哪些，除了看代码，你也可以参考看自动文档
在你启动 api server 之后 http://localhost:7870/docs 下面就是自动生成的api文档，里面有一些参数和接口的介绍

关于 /v1/vc 接口：
这个接口是用于 voice clone 模型的，目前只支持 open-voice
如果你只是做tts生成，那么完全不需要这个接口，其他 tts 模型都能直接克隆了