MegaTTS3项目在Windows系统下的安装与配置指南

MegaTTS3是一个强大的中文文本转语音系统，本文将详细介绍在Windows操作系统下安装和配置该项目的完整流程。通过本指南，用户能够顺利搭建开发环境并运行MegaTTS3的核心功能。

环境准备

在开始安装前，建议用户确保系统已安装以下基础组件：

• Python 3.x环境
• Conda包管理工具
• 支持CUDA的NVIDIA显卡驱动（如需GPU加速）

依赖安装步骤

1. 修改依赖文件
   首先需要编辑项目中的requirements.txt文件，注释掉WeTextProcessing的特定版本要求，以避免后续安装冲突。使用文本编辑器打开该文件，在WeTextProcessing==1.0.4.1行前添加#号。

2. 安装基础依赖
   执行pip install -r requirements.txt命令安装项目所需的大部分依赖包。这一步将安装除WeTextProcessing之外的所有必要组件。

3. 安装Pynini
   通过Conda安装特定版本的Pynini库（2.1.5版），这是处理文本正则化的重要组件。使用命令：conda install -c conda-forge pynini==2.1.5。

4. 安装WeTextProcessing
   单独安装兼容版本的WeTextProcessing库（1.0.3版），执行命令：pip install WeTextProcessing==1.0.3。

5. 可选GPU支持
   如需使用GPU加速，可安装PyTorch的CUDA版本。根据显卡支持的CUDA版本选择合适的安装命令，例如对于CUDA 12.x可使用：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126。

6. 安装Gradio
   安装特定版本的Gradio库（4.12.0）及其客户端（0.8.0），用于构建交互式界面：pip install gradio==4.12.0 gradio_client==0.8.0。

常见问题解决

1. GBK编码问题
   在MegaTTS3/tts/infer_cli.py文件的第103行附近，修改字典文件的读取方式，使用utf-8-sig编码以避免中文路径问题：

   with open(f"{current_dir}/utils/text_utils/dict.json", encoding='utf-8-sig') as f:
       ling_dict = json.load(f)
   

2. 环境变量设置
   需要将项目根目录添加到PYTHONPATH环境变量中。在Windows系统中，可以通过命令提示符执行：

   set PYTHONPATH=C:\path\to\MegaTTS3;%PYTHONPATH%
   

   或者通过Conda环境配置文件永久设置。

3. FFmpeg依赖
   如果运行时出现关于ffprobe或avprobe的警告，需要安装FFmpeg组件。使用Conda安装：conda install -c conda-forge ffmpeg。

运行测试

创建批处理文件(.bat)来启动项目测试：

call conda activate megatts3-env
set CUDA_VISIBLE_DEVICES=0
python tts/infer_cli.py --input_wav ./assets/Chinese_prompt.wav --input_text "這是Mega最新的TTS中文模型" --output_dir ./gen
pause

通过以上步骤，用户即可在Windows系统上成功搭建MegaTTS3的开发环境并运行中文语音合成功能。如果在安装过程中遇到其他问题，建议检查各组件版本是否匹配，并确保系统环境配置正确。