Repolode
提交项目
ekwek1

ekwek1/soprano

Soprano 是一个超轻量、可在本地运行的文本转语音模型，支持流式输出。

在 GitHub 查看官网
Star
1,618
Fork
138
未关闭 Issue
19
最近提交
9个月前

这是什么？

Soprano 是一个基于约 8000 万参数紧凑架构的文本转语音模型，面向在普通硬件上快速生成高保真英文语音的场景。它输出 32kHz 音频，在 CPU 和 GPU 上都支持低延迟流式生成，并会自动切分长文本，理论上不限制生成长度。

项目提供多种使用方式：WebUI、命令行工具、兼容 OpenAI 语音接口的 uvicorn 服务，以及支持批量和流式推理的 Python API。它可在 Windows、Linux 和 Mac 上运行于 CUDA、CPU 和 Apple MPS，NVIDIA GPU 还可选用 lmdeploy 后端。社区提供的 ONNX 和 ComfyUI 集成也可直接使用。

目前 Soprano 仅支持英文，不支持声音克隆。训练数据约 1000 小时，因此部分生僻词可能发音不准。模型微调由独立的 Soprano-Factory 项目提供。

核心功能

  • 01可在 CPU、CUDA 和 Apple MPS 设备上生成 32kHz 语音。
  • 02支持低延迟流式输出，并自动切分长文本。
  • 03提供 WebUI、命令行工具、Python API 以及兼容 OpenAI 的语音接口。
  • 04支持批量推理，可一次处理多个句子。
  • 05使用 80M 参数模型，内存占用低于 1 GB。

适用场景

  • 在桌面或边缘应用中加入本地英文语音输出，无需调用云端 API。
  • 为内部应用搭建兼容 OpenAI 格式的语音接口。
  • 批量生成旁白或配音音频。
  • 在 ComfyUI 工作流中加入语音合成环节。

快速上手

  1. 1

    安装软件包（CPU/MPS）

    pip install soprano-tts
  2. 2

    启动 WebUI 网页界面

    soprano-webui

使用前须知

  • 仅支持英语，多语言支持仍在路线图中。
  • 不支持语音克隆。
  • 训练数据仅约1000小时音频，罕见单词可能发音错误。
  • Windows 上使用 CUDA 的用户需要手动重新安装 CUDA 版本的 PyTorch。

标签

#text-to-speech#tts#speech-synthesis#pytorch#streaming#onnx#on-device

常见问题

soprano 是什么？
Soprano 是一个超轻量、可在本地运行的文本转语音模型，支持流式输出。 Soprano 是一个基于约 8000 万参数紧凑架构的文本转语音模型，面向在普通硬件上快速生成高保真英文语音的场景。它输出 32kHz 音频，在 CPU 和 GPU 上都支持低延迟流式生成，并会自动切分长文本，理论上不限制生成长度。
soprano 可以免费使用吗？用的什么许可证？
soprano 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
soprano 还在维护吗？
超过半年未提交。soprano 最近一次提交是在 2026年1月15日。
soprano 适合用来做什么？
在桌面或边缘应用中加入本地英文语音输出，无需调用云端 API。 为内部应用搭建兼容 OpenAI 格式的语音接口。 批量生成旁白或配音音频。 在 ComfyUI 工作流中加入语音合成环节。
soprano 怎么安装和运行？
安装软件包（CPU/MPS）: pip install soprano-tts 启动 WebUI 网页界面: soprano-webui
在哪里获取 soprano？
源代码和安装说明在 GitHub 上：https://github.com/ekwek1/soprano

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目