11个优秀的开源TTS引擎分享

andflow 2024-01-03 14:40:34电脑知识
40

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。

tts.jpg

1.CoQui 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)。

2.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。

3.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。

4.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。

5.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。

6.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Linux、Android和Windows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。

7.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Windows、Linux和Android兼容。

  • 它还提供多种语言版本。

8.MBROLA

https://github.com/numediart/MBROLA

MBROLA是Multi-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。

9.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(VocGAN、hifi-GAN、waveglow、melGAN),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.png

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

以上则是11个优秀开源TTS引擎分享的全部内容,希望对您有所帮助!

tts
THE END
tom
不图事事圆满 但图事事甘心。

相关推荐

ElementUI:饿了么前端团队开源的一套基于 Vue.js 的桌面端组件库
ElementUI 是饿了么前端团队开发的一套基于 Vue.js 的桌面端组件库。其提供了一系列经过精心设计和测试的 UI 组件,涵盖了从基本的输入框、按钮到复杂的表格、导航菜单等各个...
2024-11-01 编程技术
116

EchoMimic:阿里巴巴达摩院推出的AI音频驱动图片说话开源项目
EchoMimic是阿里巴巴达摩院推出的一款AI音频驱动图片说话开源项目,专注于通过先进的深度学习技术将静态图像转化为具有动态语音和表情的数字人像。这项技术的核心在于它能够根...
2024-10-29 新闻资讯
116

经典音乐播放器 Winamp 源代码开源引发争议,新许可协议限制严格
近日,经典的 Windows 平台第三方音乐播放器 Winamp 正式在 GitHub 上公开了其 Windows 端的源代码。这一举措本应受到开发者和用户的热烈欢迎,但由于其严格的 Winamp Collab...
2024-09-26 新闻资讯
128

知名Web服务器软件 Nginx 迁移至 GitHub,推动开源发展迈向新台阶
近日,知名Web服务器软件 NGINX 宣布其官方开源开发存储库已从 Mercurial 迁移至 GitHub,今后,NGINX 将在 GitHub 上以接受拉取请求(Pull Requests)的形式开始接受贡献。同时...
2024-09-11 新闻资讯
138

FastAdmin:一款开源免费的极速后台开发框架
FastAdmin 是基于 PHP 语言,结合 ThinkPHP 和 Bootstrap 两大主流技术构建而成的后台开发框架。ThinkPHP 是一款优秀的 PHP 开发框架,具有简洁、高效、易扩展等特点,为 Fas...
2024-09-06 编程技术
154

Tailor:一款开源免费的AI智能视频剪辑工具
Tailor(中文简称:泰勒)是一款开源免费的AI智能视频剪辑工具,具有 Apache - 2.0 许可证。它主要包括视频剪辑、视频生成和视频优化三大类视频处理方向,共 10 种方法。Tailor...
2024-09-01 电脑知识
284