Toolkit Python open source para síntese de fala e conversão de voz, com modelos pré-treinados, ferramentas de treinamento e utilitários para curadoria de datasets.
2,3 mil298PythonMPL-2.0Atualizado há 3 dias
netease-youdao/EmotiVoice
Mecanismo de conversão de texto em fala de código aberto, compatível com inglês e chinês, com mais de 2.000 vozes e síntese de fala emocional controlada por prompts.
Alternativa open source a:ElevenLabs
- Estrelas
- 8,540
- Forks
- 761
- Issues abertas
- 137
- Último commit
- há 2 meses
O que é?
EmotiVoice é um mecanismo de conversão de texto em fala que gera áudio em inglês e chinês com mais de 2.000 vozes. Seu principal recurso é a síntese emocional: a fala pode ser gerada com emoções como alegria, empolgação, tristeza e raiva, controladas por um prompt.
O projeto oferece uma interface web para uso interativo e uma interface de scripting para geração em lote. Também pode ser executado como uma imagem Docker em uma máquina com GPU NVIDIA e inclui uma API HTTP TTS compatível com a OpenAI. A inferência recebe texto anotado com fonemas, junto com um ID de locutor e um prompt de estilo. O repositório inclui receitas para clonagem de voz usando dados pessoais, DataBaker e LJSpeech.
O projeto é desenvolvido com Python e PyTorch e distribuído sob a licença Apache-2.0. O suporte a outros idiomas, como japonês e coreano, está listado como trabalho planejado.
Recursos principais
- 01Gera fala em inglês e chinês com mais de 2.000 vozes.
- 02Controla o estilo emocional, como alegria, tristeza e raiva, por meio de prompts.
- 03Oferece uma interface web e uma interface de scripting para geração em lote.
- 04Disponibiliza uma API HTTP TTS compatível com a OpenAI.
- 05Inclui receitas para clonagem de voz com dados pessoais.
Casos de uso
- Gerar narrações emocionais para vídeos, audiolivros ou jogos.
- Adicionar a uma aplicação um backend de conversão de texto em fala por meio da API compatível com a OpenAI.
- Produzir áudio em chinês ou inglês em lote a partir de texto preparado em scripts.
- Pesquisar síntese de fala controlada por prompts.
Início rápido
- 1
Execute a imagem Docker do EmotiVoice (requer uma GPU NVIDIA).
docker run -dp 127.0.0.1:8501:8501 syq163/emoti-voice:latest - 2
Abra http://localhost:8501 no navegador para usar a interface web.
Antes de usar
- O caminho mais rápido com Docker requer uma GPU NVIDIA e a configuração do NVIDIA Container Toolkit.
- A instalação completa exige o download de arquivos grandes de modelos pré-treinados, o que pode ser trabalhoso.
- A página interativa está sujeita a um User Agreement separado, além da licença Apache-2.0.
Tópicos
Perguntas frequentes
- O que é EmotiVoice?
- Mecanismo de conversão de texto em fala de código aberto, compatível com inglês e chinês, com mais de 2.000 vozes e síntese de fala emocional controlada por prompts. EmotiVoice é um mecanismo de conversão de texto em fala que gera áudio em inglês e chinês com mais de 2.000 vozes. Seu principal recurso é a síntese emocional: a fala pode ser gerada com emoções como alegria, empolgação, tristeza e raiva, controladas por um prompt.
- EmotiVoice é gratuito? Qual é a licença?
- EmotiVoice é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- EmotiVoice ainda é mantido?
- Atualizado nos últimos 6 meses. O último commit de EmotiVoice foi em 3 de set. de 2026.
- Para que posso usar EmotiVoice?
- Gerar narrações emocionais para vídeos, audiolivros ou jogos. Adicionar a uma aplicação um backend de conversão de texto em fala por meio da API compatível com a OpenAI. Produzir áudio em chinês ou inglês em lote a partir de texto preparado em scripts. Pesquisar síntese de fala controlada por prompts.
- Como instalar EmotiVoice?
- Execute a imagem Docker do EmotiVoice (requer uma GPU NVIDIA).: docker run -dp 127.0.0.1:8501:8501 syq163/emoti-voice:latest Abra http://localhost:8501 no navegador para usar a interface web.
- Onde consigo EmotiVoice?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/netease-youdao/EmotiVoice
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Sistema open source de text-to-speech baseado em flow matching com Diffusion Transformer, que oferece clonagem de voz zero-shot a partir de um áudio curto de referência.
IA e Machine Learning#text-to-speech#speech-synthesis#flow-matching#diffusion-transformer#voice-cloning
15,4 mil2,3 milPythonMITAtualizado há 8 dias
Modelo de TTS leve baseado no ZipVoice para clonagem de voz e geração de fala a 48 kHz, com velocidade superior a 150x em tempo real na GPU.
5,5 mil685PythonApache-2.0Atualizado há 5 meses
O VoxCPM2 é um modelo open source de texto para fala, sem tokenizer, que oferece suporte a 30 idiomas, criação de vozes a partir de descrições textuais e clonagem de voz com clipes de referência curtos.
39,6 mil4,5 milPythonApache-2.0Atualizado há 14 dias
Família de modelos open source de text-to-speech da Resemble AI, com clonagem de voz a partir de um trecho curto de referência em inglês e vários outros idiomas.
27,1 mil3,6 milPythonMITAtualizado há 3 meses
Modelo open source de text-to-speech zero-shot com suporte a mais de 600 idiomas, clonagem de voz e criação de vozes.
15,4 mil2,3 milPythonApache-2.0Atualizado há 3 dias