首页 > Ai资讯 > Ai知识库 > 6个最佳开源TTS引擎

6个最佳开源TTS引擎

发布时间:2024年07月10日

TTS引擎用于实现文本到语音的转换。随着人工智能的普及以及数字设备应用的增加,相关系统对语音识别以及文语转换技术日益依赖,TTS正在变得越来越重要。

在这项技术的帮助下,可以将文本内容转换为录音。可以帮助视觉障碍的人理解文本内容,可以让开车的人听取一个文本工作报告,甚至模拟某个人的声音播报一段内容、演唱一个歌曲,实现虚拟主播、虚拟歌手。

 

本文主要查找收集了一些较好的开源TTS引擎。这些项目有助于我们更加了解TTS的功能。

01CoQui TTS

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

这是一个在研究和生产中经过了实战考验的TTS深度学习工具包,可以以200毫秒的延迟进行流传输,支持13种语言(包括中文)。

02

mozilla TTS

https://github.com/mozilla/TTS

TTS是一个用于文本到语音生成的高级库。旨在实现易于训练、高速度和高质量的最佳平衡。 提供预训练模型,以及用于测量数据集质量的工具,支持用于产品和研究的20多种语言,包括支持中文。

03

OpenTTS

https://github.com/synesthesiam/opentts

OpenTTS是TTS最有效的开源模型之一。因为该模型支持包括中文在内的多种语言。

04

MaryTTS

https://github.com/marytts/marytts

MARY Text-to-Speech 语音合成是一个多语言TTS平台,支持英语(英国和美国)、法语、德语、意大利语、俄语等语言。

产品特点:

· 

使用预处理技术,如tokenizer和数值扩展。

· 

它采用多线程网络架构,并行处理多个请求。

· 

它本质上是灵活的,因此您可以使用纯Java模型和外部模型。

· 

它使用XML结构来提高透明度,并且对于普通用户来说易于理解。

05

eSpeak

https://github.com/espeak-ng/espeak-ng

eSpeak是一个紧凑的开源TTS引擎,可运行于Windows和Linux。支持100多种语种和语音(包括中文普通话)。

产品特点:

· 

这个平台可以很容易地完成文本到语音的转换。这有助于系统理解文本的含义。

· 

它带有两个合成器:eSpeakinG合成器,通过声音添加技术转换元音和响亮的辅音,以完成声音。Klatt合成器使用类似的技术,但使用减法合成。它使用数字滤波器来理解辅音、元音和响音之间的区别。

· 

因为它的差异化技术和将文本转换为语音的速度优势,这个工具在2010年被谷歌翻译使用。

· 

声音的音质清晰悦耳。

06

Mimic

https://github.com/MycroftAI/mimic3

Mimic是一个快如闪电的开源TTS引擎。

产品特点:

· 

由于它基于FLITE技术,您可以自定义语音的声音。

· 

它是一个低延迟平台,并且只占用少量的资源。

· 

它可以在LinuxAndroidWindows上无缝运行。

· 

目前,该工具正在为患有语言障碍的人带来逼真的声音。

 

07

CMU Flite TTS

https://github.com/festvox/flite

Festival Lite通常被称为Flite。它是一个小型的运行时引擎,被认为是最快的TTS引擎之一。

由于它是一个开源引擎,并且是免费的,可以基于这个项目做许多自定义功能。因此,许多公司都选择了这个TTS引擎。

核心特点:

· 

可以用于小型和大型文件。

· 

它是线程安全的,其最新版本提供了一个轻松的TTS转换。

· 

它与WindowsLinuxAndroid兼容。

· 

它还提供多种语言版本。

 

08

MBROLA

https://github.com/numediart/MBROLA

MBROLAMulti-Band Resynthesis OverLap Add的缩写,也是最常用的开源TTS引擎之一。它支持多种语言。

功能特点:

· 

提供多语种数据库。

· 

它对于内部文本到语音的转换非常有用。

· 

它以前是一个非商业软件,但现在作为开源TTS引擎推出。

· 

它提供了令人愉快的音质,具有一致性、准确性的声音音高。

 

09

mandarin-tts

https://github.com/ranchlai/mandarin-tts

这是一个模块化的中文普通话TTS语音合成框架,旨在支持研究和快速产品开发。

主要功能包括:

· 

所有模块都可通过YAML配置,

· 

支持并可配置说话者嵌入/韵律嵌入/多流文本嵌入,

· 

适配器支持各种声码器(VocGANhifi-GANwaveglowmelGAN),从而可以容易地进行不同声码器之间的比较,

· 

支持持续时间/音调/能量方差预测器,并且可以容易地添加其他方差,

 

10

FCH-TTS

https://github.com/atomicoo/FCH-TTS

一个快速语音合成模型,适用于英语、普通话/中文、日语、韩语、俄语和藏语。

11

rhasspy piper

https://github.com/rhasspy/piper

 

piper是一个快速的本地语音合成系统,并针对Raspberry Pi 4(树莓)进行了优化。 支持包括中文在内的多种语言。

使用DEMO如:

echo 'Welcome to the world of speech synthesis!' | \

  ./piper --model en_US-lessac-medium.onnx --output_file welcome.wav

 

 

 

 

 

出自:https://mp.weixin.qq.com/s/g34bTZGDgDDhfl-Dtl9g3w

如果你想要了解关于智能工具类的内容,可以查看 智汇宝库,这是一个提供智能工具的网站。
在这你可以找到各种智能工具的相关信息,了解智能工具的用法以及最新动态。