melo-tts-metadata-creator
功能：专为 MeloTTS 训练/微调设计的 metadata.list 生成工具。支持单音色与多音色模式，特别适配 wav 文件和 txt 转录文件位于两个不同目录、每个子目录代表一个说话人的场景。
触发时机（Triggers）
- 用户提到 “MeloTTS”“metadata.list”“训练数据准备”“微调数据集”
- 用户有 wav 音频文件夹和对应 txt 转录，需要生成训练所需的 metadata 文件
- 需要自动转录（无 txt 时用 Whisper）
- 想处理多说话人（多音色）数据集
核心优势
- 支持 wav 和 txt 分离存放（目录结构完全一致）
- 自动按第一级子目录名称提取 speaker（多音色模式）
- 支持
--speaker参数强制统一说话人（单音色模式） - 内置 Whisper 自动转录功能（无 txt 时自动生成）
- Whisper 模型下载到
./models/目录 - 生成完全符合 MeloTTS 官方最新标准的
metadata.list（UTF-8 无 BOM） - 转录失败时优雅跳过，继续处理其他文件
支持的模型（推荐顺序）
- openai/whisper-base（平衡速度与准确率）
参数提取指南
当决定调用此技能时，请从用户消息中提取以下参数：
--wav_dir(必填): 音频文件所在目录--txt_dir(选填): 文本转录文件所在目录（若不提供且启用 Whisper，则自动转录）--speaker(选填): 强制指定统一说话人名称（单音色模式）--lang(选填): 语言代码，如ZH、EN等--output(选填): 输出 metadata.list 的路径（默认当前目录）--recursive(选填): 是否递归处理子目录--use_whisper(选填): 是否强制使用 Whisper 转录
执行步骤
-
解析目录：自动识别 --wav_dir 和 --txt_dir，支持多级子目录结构。
-
默认目标：若未指定 --output，默认在当前工作目录生成
metadata.list。 -
调用命令：使用以下兼容性命令启动脚本（优先
python3，失败则python）。脚本会自动检测 Whisper 依赖。(python3 scripts/generate_metadata_list.py --wav_dir "<音频目录>" --txt_dir "<文本目录>" [--speaker <姓名>] [--lang {ZH,EN}] [--output <路径>] [--recursive] [--use_whisper]) || (python scripts/generate_metadata_list.py --wav_dir "<音频目录>" --txt_dir "<文本目录>" [--speaker <姓名>] [--lang {ZH,EN}] [--output <路径>] [--recursive] [--use_whisper])