面向 Kigurumi 玩家、漫展用户和不方便说话场景的现场交流辅助工具
KIGTTS 是一套面向 Kigurumi 玩家、漫展用户和不方便说话场景 的现场交流辅助工具。项目以 Android 端为当前主线，围绕实时字幕、语音朗读、快捷文本、名片展示、音效互动和悬浮窗快捷操作，提供一套适合漫展跑场、角色互动和低负担交流的轻量工具箱。
项目曾使用
KGTTS作为旧称，当前统一使用 KIGTTS。
|
Android 软件
适合直接安装到手机或平板使用 
|
Electron 训练器
用于制作 Android 端可导入的 .kigvpk 语音包 
|
点击上方按钮，或使用 QQ 扫描下方二维码加入反馈群。
KIGTTS 不是单一的“语音转文字”工具，而是把漫展现场常见的几类需求整合在一起：
- 不方便直接说话时，用大字幕进行交流
- 需要快速展示身份、二维码、主页或社交信息
- 需要用固定台词、TTS 和音效活跃气氛
- 需要在微信、QQ、相机等其他 App 上方快速调出辅助功能
- 需要在嘈杂环境中尽量提升识别稳定性
- 需要用“语音转文字再转语音”的方式实现简易变声和扩音
如果你的使用场景是 Kigurumi、头套、面具、舞台妆造、漫展跑场、摊位互动或现场整活，KIGTTS 的目标就是尽量减少频繁切 App、现场打字慢、外放不方便和操作路径过长的问题。
android-app/ 是当前主要维护和发版的 Android 客户端，技术栈为 Kotlin + Jetpack Compose。
Android 端主要能力包括：
- 本地实时语音识别
- 系统 TTS 与本地语音包朗读
- 便捷字幕与快捷文本
- 快捷名片、二维码与链接展示
- 音效板与关键词触发
- 画板与现场手写辅助
- 悬浮窗、迷你控件与音量热键
- 大屏和平板双栏编辑布局
- 微信 / QQ / 支付宝等常见扫码场景联动
- AI 语音增强、VAD、说话人验证与音频测试
- 简易变声器式使用链路：语音识别转文字，再通过 TTS 发声
- 预设、语音包、音效包的导入 / 导出 / 分享
便捷字幕是 Android 端的核心交流页面之一。
它支持语音识别上屏、手动输入、快捷文本、TTS 朗读、大字幕预览、字体缩放、横竖屏布局和预设导入导出。常用语可以提前分组保存，在现场一键发送、上屏或朗读。
长按快捷文本条目可以打开便捷字幕列表弹窗，按分组快速选择其它文本；弹窗支持列表 / 宫格切换、横竖屏状态继承和分组切换动效。竖屏紧凑模式、横屏模式和迷你快捷字幕也会在切换分组时显示分组名提示，减少现场误切。
典型用途：
- “可以合影吗？”
- “稍等一下，我马上回复你”
- “谢谢你，辛苦了”
- 跑场时快速与摄影、路人、同伴沟通
快捷名片用于展示个人信息、角色信息、链接和二维码。
名片支持横竖屏展示、背景图、主题色背景、装饰文字、链接按钮、分享按钮和多张名片切换。它适合用于互关、展示主页、展示群入口、展示约拍信息或临时说明。
音效板用于播放短音频、接梗、做反应音和制造现场气氛。
主要能力：
- 按分组管理音效
- 支持列表和自适应宫格布局
- 支持手动点击播放 / 停止
- 支持关键词触发音效
- 支持导入常见音频格式并转码为 AAC
- 支持音效板预设导入、导出和分享
字幕、TTS 和音效板可以组合使用：识别结果或快捷文本中出现唤醒词时，可以自动触发对应音效。
音效板主页面可以在列表和自适应宫格之间切换；在平板或宽屏环境下，分组栏可显示图标和名称。编辑音效包时支持批量管理、批量导入、分组图标弹窗选择和大屏双栏布局，方便在平板或桌面窗口模式下整理大量条目。
画板用于现场手写、涂鸦和快速示意。
它适合在环境嘈杂、手动说明更快、或者需要画箭头、路线、表情和关键词的时候使用。
悬浮窗是 KIGTTS 区别于普通字幕工具的重要部分。
它可以在其他 App 上方常驻，并快速打开：
- 便捷字幕
- 快捷名片
- 画板
- 音效板
- 迷你快捷字幕
- 迷你快捷名片
- 常用第三方应用和快捷方式
悬浮窗支持折叠、贴边、展开和横竖屏适配。音量键序列热键可用于快速触发指定功能；在开启无障碍辅助后，部分热键和直达操作会更稳定。
迷你快捷字幕、迷你快捷名片和迷你音效板会独立记忆分组、滚动位置和列表 / 宫格状态，适合在其它 App 上方持续使用。
Android 端内置了多种音频相关能力，用于适应复杂现场环境：
- 本地 ASR：用于实时语音识别
- TTS：默认可使用系统 TTS，也支持导入本地语音包
- AI 语音增强：支持 GTCRN、DPDFNet 等增强模式
- VAD：支持阈值式 VAD、SileroVAD 和混合 VAD
- 说话人验证：减少他人说话误触发
- 音频测试：用于预览输入、降噪和语音增强效果
这些功能适合在漫展、商场、地铁站、场馆走廊等噪声较多的环境中进行调试和使用。
KIGTTS 也可以作为一种“简易变声器”使用：它不是传统的低延迟实时变声，而是通过 语音识别 -> 文本 -> TTS 朗读 的链路，把用户说的话转成另一种声音输出。
一种典型使用方式是：
- 在头壳内放置无线麦克风，用于采集自己的声音
- 在腰部或包内连接扩音器，用于播放 TTS 输出
- 通过设备路由功能选择合适的输入 / 输出设备
- 开启说话人验证，减少旁人说话误触发
- 使用音频增益提高 TTS 外放音量
- 配合降噪、AI 语音增强和 VAD，在漫展噪声环境中提升识别可用性
这条链路更适合“可接受短暂延迟，但希望声音由 TTS 代替本人发声”的场景，例如头套内说话不方便、声音容易被闷住、需要统一角色声音或需要更响亮外放时。
| 便捷字幕 | 快捷名片 | 音效板 |
|---|---|---|
|
|
|
| 悬浮窗 | 画板 | 语音包 |
|---|---|---|
|
 |
 |
Android 端内置二维码扫描，并针对常见国内使用场景做了联动：
- 普通二维码扫描
- 微信二维码跳转微信处理
- QQ 二维码跳转 QQ，满足条件时可直达 QQ 扫一扫
- 支付宝二维码跳转支付宝扫一扫
- 悬浮窗启动器可挂载常用第三方应用和快捷方式
软件支持把常用内容打包保存，便于备份、迁移和分享：
- 便捷字幕预设：
.kigtpk - 音效板预设：
.kigspk - 语音包：
.kigvpk
这可以让用户提前准备一套漫展用快捷文本、角色音效包和语音包，然后在不同设备之间迁移。
Electron_Trainer/ 是配套的桌面训练端，用于制作和整理 Android 端可导入的语音包。训练器的目标不是导出 GPT-SoVITS 或 VoxCPM2 模型本体，而是把 语料整理、蒸馏、Piper 训练和语音包打包 串成一条桌面流程，最终输出可被 Android 端直接导入的 .kigvpk 语音包。
它基于 Electron + React + Python 后端，适合这些工作流：
- 从原始录音直接执行
预处理 -> VAD -> ASR -> Piper 训练 -> 导出 - 调用外部 GSVI / GPT-SoVITS 模型批量生成蒸馏语料，再继续 Piper 训练
- 调用 VoxCPM2 根据音色描述或参考音频生成蒸馏语料，再继续 Piper 训练
- 读取旧训练项目的配置和中间文件，直接续训或补生成缺失素材
- 生成语音包试听音频，并导出最终的
voicepack.kigvpk
| 模式 | 适合场景 | 主要流程 |
|---|---|---|
Piper 标准 |
已有自己的原始录音，想从头训练 | preprocess -> vad -> asr -> train -> export |
GPT-SoVITS 蒸馏 |
已有 GSVI / GPT-SoVITS 说话人模型，希望批量生成教师语料 | collect -> distill -> train -> export |
VoxCPM2 蒸馏 |
希望用音色描述、参考音频或高保真克隆快速生成训练语料 | collect -> synth -> train -> export |
从旧项目继续训练 |
之前已经跑过项目，希望续训或补齐缺失素材 | 根据旧项目配置决定直接训练或补生成 |
训练器每次都会围绕一个项目目录工作，典型结构如下：
你的项目目录/
work/
metadata.csv
kigtts_project.json
training.log
preview.txt
onnx/
processed/
segments/
export/
voicepack.kigvpk
其中 work/kigtts_project.json 会保存训练模式、训练参数、蒸馏参数、文本来源、原始音频归档路径和当时的 metadata 文本记录，是“从旧项目继续训练”的核心依据。
GPT-SoVITS 蒸馏模式适合已经拥有兼容整合包和说话人模型的用户。训练器会调用整合包自带运行时批量合成 wav，写入 work/distill_corpus/，再生成自己的 metadata.csv 并继续 Piper 训练与导出。
VoxCPM2 蒸馏模式适合通过音色描述、可控声音克隆或高保真克隆快速生成训练语料。它支持参考音频、风格描述、参考文本和 ASR 自动转写，并将生成素材写入 work/voxcpm_corpus/ 后继续训练。
旧项目继续训练模式会读取 work/kigtts_project.json 和 work/metadata.csv，判断音频是否完整、是否需要补素材、能否直接进入训练。标准项目可在原始音频仍存在时重跑预处理；蒸馏项目可在外部配置仍可用时补生成缺失音频。
训练器内置 CPU 基线训练环境。需要 GPU/CUDA 时，可在训练设置中安装 Piper CUDA 运行时；VoxCPM2 运行时和模型也可由训练器在线安装 / 下载。RTX 50 系显卡会自动优先使用 CUDA 12.8 / RTX 50 专用运行时包。
Windows 下在线安装资源默认位于：
%LOCALAPPDATA%\kgtts-trainer\
常见子目录包括：
%LOCALAPPDATA%\kgtts-trainer\runtimes\piper_env_cuda
%LOCALAPPDATA%\kgtts-trainer\runtimes\piper_env_cuda128
%LOCALAPPDATA%\kgtts-trainer\runtimes\voxcpm_env
%LOCALAPPDATA%\kgtts-trainer\runtimes\voxcpm_env_cuda128
%LOCALAPPDATA%\kgtts-trainer\models\voxcpm2
最终主导出文件为：
export/voicepack.kigvpk
.kigvpk 本质上仍是 zip 结构，可由 KIGTTS Android 端直接识别和导入。训练器也提供语音包试听、GPT-SoVITS 蒸馏试听和 VoxCPM2 蒸馏试听，方便在正式训练或导入前检查声音效果。
对于只使用系统 TTS 的用户，Electron 训练端不是必需项；对于希望制作自定义语音包、整理训练素材或进行本地训练流程的用户，它是 Android 端的配套工具。
训练器使用文档：
android-app/ Android 主客户端，当前主要维护和发版的实现
Electron_Trainer/ Electron 训练端，用于制作和整理语音包
pc_trainer/ Python 训练器与底层训练流程
docs/ Android、法律文本和项目文档
ARTS/ 图标、头像和美术素材
tools/ 辅助脚本与工具
flutter_app/ 并行 Flutter 试验实现，不作为当前 Android 主线
更多 Android 端说明：
cd android-app
./gradlew assembleDebugWindows PowerShell 下也可以使用：
cd android-app
.\gradlew.bat assembleDebugAPK 输出目录：
android-app/app/build/outputs/apk/
cd Electron_Trainer
npm install
npm run dev打包训练端：
cd Electron_Trainer
npm run dist项目涉及 ASR、TTS、语音增强、说话人验证、音效和语音包等资源。部分资源体积较大，不一定全部直接放在仓库中。
请查看：
Android 端可用资源包括：
- ASR 模型：
sosv.zip/sosv-int8.zip - 语音包：
.kigvpk或兼容.zip - 语音增强模型：GTCRN / DPDFNet
- 说话人验证模型
espeak-ng-data
KIGTTS 的 Android 端以本地处理为核心。语音识别、语音增强、说话人验证和本地语音包朗读等能力优先在设备侧完成。
需要注意：
- 使用系统 TTS 时，实际朗读行为可能受设备系统 TTS 引擎影响
- 使用第三方 App 跳转、扫码联动或分享功能时，会进入对应第三方应用的处理流程
- 开启悬浮窗、相机、麦克风、文件选择、无障碍等权限时，权限用途与对应功能相关
隐私政策与许可证文本位于：
项目源码采用 GNU GPL v3.0。
第三方模型、训练资源、系统组件和依赖库可能具有各自的许可证或使用条件，请在分发、商用或二次开发前分别确认。
LHT 
|
花酱
|
Yui Lu
|