Irodori-TTS

用表情符号控制语音风格，让 TTS 更生动自然

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署音频音乐 🍴 复刻 185 🐛 待处理 18 👀 关注 18

GitHub ↗

GitHub 星标 ★ 1572

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

Irodori-TTS 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐

开发团队Aratako

GitHubhttps://github.com/Aratako/Irodori-TTS

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型diffusion-models,flow-matching,python,speech-synthesis,text-to-speech,tts,voice-cloning

GitHub 星标★ 1572

上线时间2026-02-25 00:00:00

代码更新2026-11-09

仓库体积393 KB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数6

项目介绍

Irodori-TTS 是一个基于 Flow Matching 的文本转语音（TTS）模型，特色在于通过表情符号（emoji）驱动风格控制。它解决了传统 TTS 模型在情感表达和风格切换上不够灵活的问题，允许用户直接在文本中插入 emoji 来指定语气、情绪或说话风格，从而生成更自然、更具表现力的语音。项目核心能力包括高质量语音合成、零样本声音克隆以及细粒度的风格控制。技术栈基于 Python 和扩散/流匹配模型，支持多说话人，并提供了训练和推理的完整流程。目前项目处于成长阶段，社区活跃，适合对个性化语音合成和情感表达有需求的开发者或研究者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1572

技术标签

diffusion-models flow-matching python speech-synthesis text-to-speech

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 20 分钟部署方式：本地安装 4 步

环境要求

已安装 git（用于克隆仓库）
已安装 uv 包管理器（README 用 uv sync 管理依赖）
NVIDIA GPU 与 CUDA 12.8 环境（默认 cu128 extra，支持 Linux/Windows）
可访问 Hugging Face 下载模型权重

安装与启动步骤

1克隆代码仓库

从 GitHub 拉取 Irodori-TTS 源码。main 分支对应 v4 代码库，适配 Irodori-TTS-v4.1-Small 发布版。
```
git clone https://github.com/Aratako/Irodori-TTS.git
```
2进入项目目录

切换到克隆下来的仓库根目录，后续安装命令都在此目录执行。
```
cd Irodori-TTS
```
3安装依赖

用 uv 同步依赖并安装 CUDA 12.8 版 PyTorch 后端，适用于 Linux/Windows。若需其他后端，参阅 README 的 backend extras 部分。
```
uv sync --extra cu128
```
4获取模型权重

README 未给出下载命令，需自行前往 Hugging Face 的 Irodori-TTS-v4.1-Small 模型卡获取权重与音频样例。