Coqui TTS

Coqui TTS 是一个用 Python 写的开源文本转语音工具包，代码托管在 GitHub 上。它把从文字到语音的整条链路拆成可替换的模块：文本转频谱的模型、声码器、说话人编码器，你可以按需组合，也可以拿自己的数据训练新模型。对想在自己的程序里加语音输出、又不想依赖云端 API 的开发者来说，它解决的是「把 TTS 跑在自己机器上」这件事。

主要功能

仓库里预置了多套模型，包括 Tacotron、Tacotron2、Glow-TTS、SpeedySpeech 这类文本转频谱模型，以及 MelGAN、ParallelWaveGAN、WaveRNN 等声码器。说话人编码器用来计算声音特征，配合多说话人 TTS 可以切换不同音色。训练部分有 Trainer API，终端和 Tensorboard 都能看日志。项目还提供数据集分析与整理的脚本，方便准备训练数据。

适合谁

适合做语音合成研究或产品原型的开发者，尤其是需要本地推理、想微调模型、或者要批量生成语音的场景。它不是一个装好就能用的桌面软件，得自己配 Python 环境、装依赖、下载模型权重，对命令行不熟的人门槛不低。

费用与限制

代码以 MPL-2.0 协议开源，可以免费使用和修改。仓库页面显示 46.2k 星标、6.2k 分支，最新提交在 dev 分支上。文档放在 ReadTheDocs，安装步骤写在 README 里。注意它本身不提供在线服务，推理需要本地算力；模型效果和语言覆盖取决于你选的预训练模型。