JanusCyn_5.19

基于 Janus-Pro-7B 与 GPT-SoVITS 的本地 AI 桌宠项目，支持：

• 桌宠悬浮与托盘控制
• 文本对话
• 图片+文本多模态问答
• 文本生图
• TTS 语音合成与播放

项目为 Windows 本地运行方案，内置 runtime/python.exe 与模型目录，默认通过 run.bat 一键启动。

功能概览

• 多模态对话：使用 Janus-Pro-7B_0 进行文本/图像理解
• 图片生成：在桌宠菜单中提供“文本生成图片”
• 语音合成：通过 api_v2.py 提供 FastAPI TTS 接口（默认 127.0.0.1:9880）
• 语音播放：桌宠自动调用 TTS 接口并播放返回音频
• 系统托盘：支持显示/隐藏、静音、气泡大小、桌宠大小、退出

技术架构

• mytest6_2.py
  • PyQt5 桌宠主程序
  • 加载 Janus 模型并处理聊天/生图
  • 调用本地 TTS API 获取语音并播放
• api_v2.py
  • FastAPI + Uvicorn 启动 TTS 服务
  • 封装 GPT-SoVITS 推理参数与音频流输出
• run.bat
  • 先启动 TTS API，再延时启动桌宠主程序

环境要求

• Windows 10/11
• NVIDIA GPU（代码中强依赖 CUDA）
• 建议显存 >= 8GB（生图流程会检测显存并给出提示）
• FFmpeg（用于部分音频封装，例如 AAC）

启动前准备

根据仓库内 说明.txt：

1. 解压 ffmpeg-master-latest-win64-gpl-shared.7z 到 D:\
2. 将 D:\ffmpeg-master-latest-win64-gpl-shared\bin 加入系统环境变量 PATH

快速开始

在项目根目录双击：

run.bat

run.bat 会执行以下流程：

1. 启动 runtime\python.exe api_v2.py
2. 等待 18 秒
3. 启动 runtime\python.exe mytest6_2.py

注意：

• 启动后的两个终端窗口都不要关闭
• 首次加载模型时间较长，属正常现象

目录结构（关键部分）

.
├─ api_v2.py                     # GPT-SoVITS TTS API（FastAPI）
├─ mytest6_2.py                  # 桌宠主程序（PyQt5 + Janus）
├─ run.bat                       # 一键启动脚本
├─ 说明.txt                      # 中文启动说明
├─ Janus-Pro-7B_0/               # Janus 模型目录
├─ GPT_SoVITS/                   # GPT-SoVITS 推理代码
├─ GPT_weights_v2/               # GPT 权重
├─ SoVITS_weights_v2/            # SoVITS 权重
├─ runtime/                      # 内置 Python 运行时与依赖
├─ test_pic/                     # 桌宠皮肤/托盘图
└─ outputs/                      # 生成的临时语音输出

TTS API（简要）

默认地址：http://127.0.0.1:9880

• GET/POST /tts：文本转语音
• GET /set_gpt_weights：切换 GPT 权重
• GET /set_sovits_weights：切换 SoVITS 权重
• GET /set_refer_audio：设置参考音频
• GET /control?command=restart|exit：服务控制

示例：

curl "http://127.0.0.1:9880/tts?text=你好&text_lang=zh&ref_audio_path=GPT_SoVITS/ref/cyn.wav&prompt_lang=zh&prompt_text=你好&text_split_method=cut5&media_type=wav"

常见问题

• 报错“未检测到 CUDA 设备”
  • 当前代码会直接退出，请确认 NVIDIA 驱动与 CUDA 可用
• TTS 无声音或接口报错
  • 检查 api_v2.py 是否已启动
  • 检查 PATH 是否包含 FFmpeg
• 启动后响应慢
  • 大模型首次加载较慢，可先观察终端日志

二次开发建议

• 新功能优先在 mytest6_2.py 中拆分模块（UI、推理、音频解耦）
• 生产部署建议把模型与权重改为外部配置，不直接提交仓库
• 建议补充 .gitignore（过滤 outputs/、临时缓存、日志等）

致谢与许可证

• Janus 模型来自 DeepSeek Janus 系列（请遵循其模型与代码许可证）
• GPT-SoVITS 请遵循对应项目许可证与使用规范

如用于公开分发，请在发布前补充完整 LICENSE 与第三方依赖声明。