微软开源的语音 AI 模型系列,包含长音频语音识别、多人对话语音合成和实时流式语音合成。
snakers4/silero-models
Silero 提供的预训练语音合成模型,可通过 PyTorch Hub 或 pip 调用,覆盖俄语及多种突厥语和高加索语言。
- Star
- 6,141
- Fork
- 376
- 未关闭 Issue
- 13
- 最近提交
- 7天前
这是什么?
Silero Models 是一组预训练语音合成(TTS)模型,可以通过 torch.hub.load 或 pip 安装的 silero 包,用一行代码加载。模型按需下载,也可以手动缓存,配合 PyTorch 和 Python 标准库独立运行。
模型按版本和语言分组。V5 系列包含带自动重音和同形异义词处理的俄语模型,以及大量独联体语言模型,涵盖鞑靼语、哈萨克语、乌克兰语、乌兹别克语、楚瓦什语、雅库特语和若干高加索语言。较早的 V3 和 V4 版本还包括英语、德语、西班牙语、法语及印度语系语言。模型支持 8000、24000 和 48000 Hz 采样率,V5 支持 SSML 标记。
仓库附有 Colab 示例笔记本。不同模型的许可证不同:多数采用 CC BY-NC 4.0,独联体基础模型采用 MIT。
核心功能
- 01通过 torch.hub 或 pip 包一行代码即可加载。
- 02V5 俄语模型支持自动重音和同形异义词处理。
- 03覆盖突厥语、高加索语及其他独联体语言的大量音色。
- 04V5 模型支持 SSML 标记。
- 05输出 8000、24000 或 48000 Hz 音频,可在 CPU 或 GPU 上运行。
适用场景
- 为 Python 应用添加俄语或独联体语言的语音输出。
- 为多语言项目生成语音提示或音频样本。
- 在本地使用 PyTorch 离线运行语音合成,无需外部 API。
快速上手
- 1
从 PyPI 安装 silero 包
pip install silero - 2
导入 silero_tts,加载 v5_ru 等模型,并对示例文本调用 apply_tts
使用前须知
- 模型采用 CC BY-NC 4.0 许可证,仅限非商业用途。
- 模型按需下载,首次使用需要网络连接。
标签
常见问题
- silero-models 是什么?
- Silero 提供的预训练语音合成模型,可通过 PyTorch Hub 或 pip 调用,覆盖俄语及多种突厥语和高加索语言。 Silero Models 是一组预训练语音合成(TTS)模型,可以通过 torch.hub.load 或 pip 安装的 silero 包,用一行代码加载。模型按需下载,也可以手动缓存,配合 PyTorch 和 Python 标准库独立运行。
- silero-models 可以免费使用吗?用的什么许可证?
- silero-models 以 Other 许可证开源。用于商业产品前,请先确认许可证条款。
- silero-models 还在维护吗?
- 活跃维护中。silero-models 最近一次提交是在 2026年10月15日。
- silero-models 适合用来做什么?
- 为 Python 应用添加俄语或独联体语言的语音输出。 为多语言项目生成语音提示或音频样本。 在本地使用 PyTorch 离线运行语音合成,无需外部 API。
- silero-models 怎么安装和运行?
- 从 PyPI 安装 silero 包: pip install silero 导入 silero_tts,加载 v5_ru 等模型,并对示例文本调用 apply_tts
- 在哪里获取 silero-models?
- 源代码和安装说明在 GitHub 上:https://github.com/snakers4/silero-models
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
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。
零样本语音合成系统,仅凭一段参考音频即可克隆音色,并支持情感、语速和发音控制。
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。
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。