vits-simple-api

一键部署 VITS 语音合成 API，快速集成 TTS 到你的应用

vits-simple-api 是一个基于 Python 的轻量级 VITS 语音合成 HTTP 接口服务，通过扩展 Moegoe 项目实现。它解决了 VITS 模型部署后缺乏统一调用接口的问题，将复杂的模型推理封装为简单的 RESTful API，方便开发者快速集成文字转语音（TTS）功能。核心能力包括：支持多种 VITS 变体模型（如 bert-vits2、gpt-sovits），提供统一的文本转语音、语音合成、音色切换等接口，并支持流式输出、多说话人管理、参数调节（语速、音调等）。项目结构简洁，部署方便，适合个人开发者或小团队快速搭建语音服务，也常用于游戏、聊天机器人、有声内容生成等场景。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1049

维护状态低维护

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队Artrajz

所属国家

官网地址

GitHubhttps://github.com/Artrajz/vits-simple-api

定价模式free

价格说明开源项目，AGPL-3.0许可证，可自行部署使用，完全免费。

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型bert-vits2,gpt-sovits,moegoe,tts,tts-api,vits

GitHub 星标★ 1049

30天Star增速

HF 下载量

上线时间2023-03-13 00:00:00

最近更新2026-09-21 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：进阶约 20 分钟部署方式：Docker 8 步

环境要求

Linux 系统（Docker 部署为官方推荐）
已安装 Docker 与 wget 命令
虚拟环境部署需 Python 3.10（官方推荐版本）
GPU 加速需 NVIDIA 显卡及对应版本 CUDA，如 CUDA 11.7
预留足够磁盘空间存放 VITS/Bert-VITS2/GPT-SoVITS 模型文件

安装与启动步骤

1选择部署方式

README 提供 Docker、虚拟环境、Windows 快速包、云端一键部署四种方式；Linux 推荐 Docker。无论选哪种，部署后都要导入模型才能使用。
2Docker 拉取镜像

运行官方安装脚本，按脚本提示选择需要下载的文件并拉取镜像。配置文件与模型默认目录为 /usr/local/vits-simple-api/。
```
bash -c "$(wget -O- https://raw.githubusercontent.com/Artrajz/vits-simple-api/main/vits-simple-api-installer-latest.sh)"
```
3装 Python 依赖

虚拟环境部署方式：建议使用 Python 3.10 的虚拟环境，在项目目录安装 requirements.txt 中的依赖；若个别依赖安装失败请看常见问题。
```
pip install -r requirements.txt
```
4Windows 快速包

到 releases 页面下载最新部署包并解压。因压缩与单文件 2GB 限制，部分可选依赖模型未打包，程序加载对应声音模型时会自动下载。
5检查 CUDA 版本

需要 GPU 加速时，先用 nvidia-smi 查看显卡支持的最高 CUDA 版本，再据此到官网下载安装对应 CUDA（示例为 CUDA 11.7）。
```
nvidia-smi
```
6安装 PyTorch

按显卡 CUDA 版本从 PyTorch 官网选择对应安装命令，README 给出的是 CUDA 11.8 版本示例。
```
pip install torch --index-url https://download.pytorch.org/whl/cu118
```
7导入模型文件

部署完成后必须把 VITS/Bert-VITS2/GPT-SoVITS 等模型导入到模型目录，服务才能实际提供语音合成，模型会按类型加载对应依赖。
8配置模型语言

使用 Bert-VITS2 v2.0 以上模型时，可在模型 config.json 的 data 段加 lang 参数，指定要加载的语言 Bert 模型，减少无谓加载。

关键配置

配置项	必填	说明	示例
`data.lang`	否	写在模型 config.json 的 data 段，限定该模型使用的语言与要加载的 Bert 模型	`["zh", "ja"]`

如何确认成功

README 未给出明确启动命令与端口；部署后导入模型，可访问 /voice/speakers 查看已加载说话人列表，能返回音频即服务正常。

常见问题

Q：安装 Python 依赖时报错怎么办？

A：README 提示参考其罗列的常见问题（common problems）章节，通常是 Python 版本或个别包编译问题，建议改用 Python 3.10 虚拟环境重试。

Q：部署后可用模型列表是空的？

A：说明模型未正确加载或依赖模型缺失。请按 README 的 Troubleshooting - Successfully loaded model is empty 章节排查，必要时手动下载依赖模型。

Q：Windows 部署包怎么没有全部模型？

A：因压缩需要及 GitHub 单文件 2GB 限制，部分可选依赖模型未打包，程序加载对应声音模型时会自动下载。

Q：加载 Bert-VITS2 模型太占资源怎么办？

A：在模型 config.json 的 data 段加 lang 参数，例如只写 ["zh"] 就只加载中文 Bert 模型，避免加载用不到的语言模型。

注意事项

Docker 方式下项目配置与模型默认路径为 /usr/local/vits-simple-api/
部署只是第一步，必须导入模型后才能使用语音合成功能
只有 Bert-VITS2 v2.0 及以上模型才需要配置 data.lang 语言范围
在线体验地址的 id 编号与支持语言各不相同，本地部署请以自己的说话人列表为准

核心亮点

统一封装多种 VITS 模型（bert-vits2、gpt-sovits 等），无需重复开发接口
提供简洁的 RESTful API，支持流式音频返回，易于对接 Web 和移动端
支持多说话人切换和参数调节，灵活适配不同音色和语速需求

不足之处

文档/社区待观察
依赖模型文件较大，首次部署需要额外下载和配置

适用场景

为聊天机器人或虚拟助手添加语音回复功能
批量生成有声书或播客内容
在游戏或互动应用中实现角色语音合成

替代项目

Coqui TTS、MeloTTS、ChatTTS

项目介绍

vits-simple-api 是音频音乐领域的开源项目，由 Artrajz 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,049）位列前 30%，在音频音乐分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-21。AGPL-3.0许可证，可自行部署使用，完全免费。

它主要面向的使用场景是：为聊天机器人或虚拟助手添加语音回复功能。同类可对比的替代方案包括 Coqui TTS、MeloTTS、ChatTTS。

上一篇：pied

下一篇：CapCut-TTS