Coqui TTS：超过1100种语言的开源文本转语音工具

项目简介

Coqui TTS 是一个多语言文本转语音生成的库，提供超过 1100 种语言的预训练模型。这个开源工具不仅可以直接将文本转换为语音，还包括用于训练新模型和微调现有模型的工具，使其能够适应不同语言和语音特征。此外，该项目还提供用于数据集分析和管理的实用程序，以便更好地处理语音合成相关的数据。

TTS 表现

下划线标注的“TTS*”和“Judy*”是内部 TTS 模型，未开源发布。它们在这里展示潜力。以点（.）为前缀的模型（.Jofish、.Abe 和 .Janice）是真实的人类声音。

特点

1. 用于文本转语音任务的高性能深度学习模型。

• Text2Spec 模型（Tacotron、Tacotron2、Glow-TTS、SpeedySpeech）。
• 说话人编码器，能够高效计算说话人嵌入。
• 声码器模型（MelGAN、Multiband-MelGAN、GAN-TTS、ParallelWaveGAN、WaveGrad、WaveRNN）。

2. 快速高效的模型训练。
3. 在终端和 Tensorboard 上有详细的训练日志。
4. 支持多说话人 TTS。
5. 高效、灵活、轻量但功能齐全的训练器 API。
6. 已发布并可立即使用的模型。
7. 在 underdataset_analysis 下整理 Text2Speech 数据集的工具。
8. 使用和测试模型的实用工具。
9. 模块化（但不是过于）的代码库，能够轻松实现新想法。

安装

TTS 在 Ubuntu 18.04 上进行了测试，要求使用 Python 版本 >= 3.9 且 < 3.12。

如果您只对使用已发布的 TTS 模型合成语音感兴趣，从 PyPI 安装是最简单的选择。

pip install TTS

如果您计划编写代码或训练模型，请克隆 TTS 并在本地安装。

git clone https://github.com/coqui-ai/TTS
pip install -e .[all,dev,notebooks]  # Select the relevant extras

如果您使用的是 Ubuntu（Debian），您也可以运行以下命令进行安装。

$ make system-deps  # intended to be used on Ubuntu (Debian). Let us know if you have a different OS.
$ make install

Docker 镜像

您也可以尝试使用 Docker 镜像而无需安装 TTS。只需运行以下命令，即可在不安装的情况下运行 TTS。

docker run --rm -it -p 5002:5002 --entrypoint /bin/bash ghcr.io/coqui-ai/tts-cpu
python3 TTS/server/server.py --list_models #To get the list of available models
python3 TTS/server/server.py --model_name tts_models/en/vctk/vits # To start a server

项目链接

https://github.com/coqui-ai/TTS