Tortoise TTS

github.com又名 TorToiSe

开源的文本转语音系统,主打多音色与自然的语调韵律,能按参考音频模仿说话人音色,可 pip 装到本地运行,适合愿意折腾环境、对音质要求高于速度的开发者做旁白和角色配音。

打开官网替代品 24 个 本站 11 月 22 日 实测可以打开
最近 5 次实测

3 次可以打开平均 3.8 秒11 月 10 日 起国内不可直接访问

本站从国内机房定期实测。竖条由远及近:绿 = 可以打开,橙 = 国内不可直接访问,灰 = 打不开。
github.comTortoise TTS 首页截图

github.com 首页 · 本站实拍 · 点开看大图

Tortoise TTS 是一个开源的文本转语音(TTS)系统,作者是 neonbjb,代码托管在 GitHub 上,采用 Apache-2.0 许可。它把「多音色」和「自然的语调、韵律」放在最优先的位置,而不是追求速度。仓库里包含推理所需的全部代码,论文发表在 arXiv 上。

主要功能

输入一段文字,模型会合成语音。它支持多种音色,也能根据你给的参考音频去模仿说话人的声音特点,适合做旁白、角色配音这类需要区分说话人的场景。项目提供 Hugging Face 上的在线演示,也可以直接用 pip 安装到本地运行。

速度与硬件

作者自己承认这个模型慢得有点离谱,名字里的「陆龟」就是自嘲:它同时用了自回归解码器和扩散解码器,两者的采样速度都不快。早期在 K80 上生成一句中等长度的句子要两分钟左右。README 后来补充说,在 4GB 显存上能做到 0.25~0.3 的实时率,配合流式输出延迟可以低于 500 毫秒。本地安装需要 NVIDIA 显卡,Windows 上作者建议走 Conda 安装,否则容易在依赖上耗掉大量时间。

适合谁

适合愿意折腾环境、对音质要求高于速度的开发者,或者想研究 TTS 模型结构的人。只想快速把文字转成语音的普通用户,用在线演示或现成的商业语音服务会更省事。

费用与限制

代码免费,没有付费版本,也不需要注册账号。代价是硬件门槛和配置成本:没有 NVIDIA 显卡就跑不了本地推理,在线演示排队时作者建议复制 Space 并加一块 GPU,纯 CPU 的 Space 跑不动这个演示。

常见问题

Tortoise TTS 收费吗?
Tortoise TTS 免费使用。
用 Tortoise TTS 要登录吗?
不用登录就能用。
Tortoise TTS 有哪些平台 / App?
支持 网页、Linux、Windows。

替代品全部 24 个,带对比表 →

替代品 24打开官网