Repolode
Предложить
netease-youdao

netease-youdao/EmotiVoice

Открытый движок синтеза речи на английском и китайском с более чем 2000 голосами и управлением эмоциями через промпты.

Open source альтернатива:ElevenLabs

Открыть на GitHub
Звёзды
8,540
Форки
761
Открытые issues
137
Последний коммит
2 месяца назад

Что это?

EmotiVoice — движок синтеза речи, который генерирует речь на английском и китайском с более чем 2000 голосами. Его главная особенность — синтез с заданной эмоциональной окраской: с помощью промпта можно получить речь, передающую, например, радость, восторг, грусть или злость.

В проекте есть веб-интерфейс для интерактивного использования и интерфейс для пакетной генерации с помощью скриптов. Его также можно запустить в виде Docker-образа на машине с GPU NVIDIA; кроме того, в комплект входит HTTP API для синтеза речи, совместимый с OpenAI. Для инференса нужны текст с разметкой фонем, ID говорящего и промпт со стилем речи. В репозитории есть рецепты для клонирования голоса на основе личных данных, а также наборов данных DataBaker и LJSpeech.

Проект написан на Python и PyTorch и распространяется по лицензии Apache-2.0. Поддержка других языков, например японского и корейского, указана среди планов на будущее.

Ключевые возможности

  • 01Синтезирует речь на английском и китайском, предлагая более 2000 голосов.
  • 02Позволяет задавать эмоциональную окраску, например радость, грусть или злость, с помощью промптов.
  • 03Предлагает веб-интерфейс и интерфейс для пакетной генерации с помощью скриптов.
  • 04Предоставляет HTTP API для синтеза речи, совместимый с OpenAI.
  • 05Включает рецепты для клонирования голоса на основе личных данных.

Сценарии использования

  • Создание эмоциональной озвучки для видео, аудиокниг или игр.
  • Подключение синтеза речи к приложению через API, совместимый с OpenAI.
  • Пакетная генерация аудио на китайском или английском по тексту из скриптов.
  • Исследование синтеза речи с управлением через промпты.

Быстрый старт

  1. 1

    Запустите Docker-образ EmotiVoice (требуется видеокарта NVIDIA).

    docker run -dp 127.0.0.1:8501:8501 syq163/emoti-voice:latest
  2. 2

    Откройте http://localhost:8501 в браузере, чтобы воспользоваться веб-интерфейсом.

Что важно знать

  • Для самого быстрого способа запуска через Docker требуются видеокарта NVIDIA и настройка NVIDIA Container Toolkit.
  • Для полной установки необходимо скачать большие файлы предварительно обученных моделей, что может быть затруднительно.
  • На интерактивную страницу распространяется отдельное User Agreement в дополнение к лицензии Apache-2.0.

Темы

#text-to-speech#speech-synthesis#deep-learning#pytorch#emotion#voice-cloning#python#ai#emotivoice#multi-speaker

Частые вопросы

Что такое EmotiVoice?
Открытый движок синтеза речи на английском и китайском с более чем 2000 голосами и управлением эмоциями через промпты. EmotiVoice — движок синтеза речи, который генерирует речь на английском и китайском с более чем 2000 голосами. Его главная особенность — синтез с заданной эмоциональной окраской: с помощью промпта можно получить речь, передающую, например, радость, восторг, грусть или злость.
EmotiVoice можно использовать бесплатно? Какая у него лицензия?
EmotiVoice распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
EmotiVoice всё ещё поддерживается?
Обновлялся за последние 6 месяцев. Последний коммит в EmotiVoice — 3 сент. 2026 г..
Для чего можно использовать EmotiVoice?
Создание эмоциональной озвучки для видео, аудиокниг или игр. Подключение синтеза речи к приложению через API, совместимый с OpenAI. Пакетная генерация аудио на китайском или английском по тексту из скриптов. Исследование синтеза речи с управлением через промпты.
Как установить EmotiVoice?
Запустите Docker-образ EmotiVoice (требуется видеокарта NVIDIA).: docker run -dp 127.0.0.1:8501:8501 syq163/emoti-voice:latest Откройте http://localhost:8501 в браузере, чтобы воспользоваться веб-интерфейсом.
Где скачать EmotiVoice?
Исходный код и инструкции по установке — на GitHub: https://github.com/netease-youdao/EmotiVoice

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

SWivid / F5-TTS

Открытая система синтеза речи на основе flow matching и Diffusion Transformer с клонированием голоса по короткому аудиофрагменту без предварительного обучения на диктора.

ИИ и машинное обучение#text-to-speech#speech-synthesis#flow-matching
15,4 тыс.2,3 тыс.PythonMITОбновлён 8 дней назад

OpenBMB / VoxCPM

VoxCPM2 — open-source модель преобразования текста в речь без токенизатора: поддерживает 30 языков, создание голоса по текстовому описанию и клонирование по короткому аудиофрагменту.

ИИ и машинное обучение#text-to-speech#voice-cloning#speech-synthesis
39,6 тыс.4,5 тыс.PythonApache-2.0Обновлён 14 дней назад