Files
xiaoxia-saas/deploy
xiaoxia 8ebccd61d9 fix: 集成真实MuseTalk推理 + TTS style/speed/volume参数全链路修复
MuseTalk推理修复(P0):
- 替换_run_inference() stub代码为真实MuseTalk推理逻辑
- 新增音频预处理:任意格式→16kHz mono 16bit WAV
- 模型懒加载(VAE+UNet+PE+Whisper),首次推理后复用
- 使用mirror indexing循环帧,消除视频循环边界跳变
- bbox_shift参数可通过请求配置(范围-5~5)
- FP16推理支持,节省RTX2060显存
- /health接口增加模型加载状态信息

TTS参数透传修复(P0):
- schemas新增style字段(TTSSynthesizeRequest/TTSPreviewRequest/CreateLipsyncJobRequest/AiAvatarTtsPreviewRequest)
- schemas新增volume字段(TTSSynthesizeRequest/CreateLipsyncJobRequest)
- cosyvoice_service新增STYLE_INSTRUCTION_MAP和build_style_instruction()
- submit_synthesize_task新增style/pitch参数支持
- workflow start_synthesis/resynthesize/submit_segments全链路传递style/volume/pitch
- tts.py路由/lipsync.py路由/lipsync_service.py全链路透传新参数
- lipsync_tts.py Celery task支持style/volume参数
2026-09-20 15:52:53 +08:00
..