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