EmotiVoice 易魔声

EmotiVoice（易魔声）是网易有道开源的一个语音合成引擎，做的是把文字变成人声这件事。它支持中英文，自带 2000 多种音色，比较特别的地方是能用提示词指定情绪和风格，合成出快乐、兴奋、悲伤、愤怒等不同语气的语音。代码以 Apache-2.0 许可发布，可以自己部署。

怎么用

官方推荐的最省事路径是跑 Docker 镜像，需要一台带 NVidia GPU 的机器，起容器后浏览器打开本地端口就能看到网页界面，输入文本、挑音色、写情绪提示，直接试听和导出。不想用 Docker 的话，按 README 用 conda 建环境、装依赖、下载预训练模型，再跑推理脚本；批量生成走脚本接口，也可以自己起一个类 OpenAI TTS 的 HTTP 接口。

能改的地方

• 用自己的数据训练音色，README 给了 DataBaker 和 LJSpeech 两套教程示例
• 调语速，类 OpenAI TTS 的 API 已支持
• Mac 版一键安装包，2023 年 12 月 28 日发布

限制

本地部署对硬件有要求，Docker 方式明确写了需要 NVidia GPU。情绪控制目前只用音高、速度、能量和情感作为风格因素，不涉及性别。日韩等更多语言还在开发中。另外官方另有一个 HTTP API 服务，单账户提供超过 13000 次免费调用，不想自己装环境可以走那条路。