开源 Python 语音合成与语音转换工具包,提供预训练模型、训练工具和数据集整理功能。
2337298PythonMPL-2.0更新于 3天前
EmotiVoice 是一个文本转语音(TTS)引擎,支持中文和英文合成,内置 2000 多种音色。其核心特点是情感合成,可通过提示词控制语音呈现高兴、兴奋、悲伤、愤怒等多种情绪。
项目提供网页交互界面和用于批量生成的脚本接口,也可以通过 Docker 镜像在带 NVIDIA GPU 的机器上运行,并提供兼容 OpenAI 格式的 TTS HTTP API。推理时输入带音素标注的文本,并指定说话人和风格提示。仓库还包含基于 DataBaker、LJSpeech 数据的个人语音克隆示例。
项目基于 Python 和 PyTorch 开发,采用 Apache-2.0 许可证。日语、韩语等更多语言的支持仍在规划中。
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
开源 Python 语音合成与语音转换工具包,提供预训练模型、训练工具和数据集整理功能。
基于 Flow Matching 与 Diffusion Transformer 的开源语音合成系统,可用短参考音频进行零样本音色克隆。
基于 ZipVoice 的轻量级 TTS 模型,支持声音克隆与 48kHz 语音生成,GPU 上可达 150 倍实时速度。
VoxCPM2 是一个开源的免分词器语音合成模型,支持 30 种语言、文本描述设计音色和参考音频克隆。
Resemble AI 开源的文本转语音模型系列,支持基于参考音频的声音克隆,覆盖英语及多种其他语言。
开源多语言零样本语音合成模型,支持 600 多种语言,并可克隆与设计声音。