xtts-api-server 是音频音乐领域的开源项目，由 daswer123 开发，2023 年首次发布。
它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 596。
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 2026-09-19。MIT许可证，完全免费，需自行部署。
它主要面向的使用场景是：为聊天机器人添加多语言语音回复能力。同类可对比的替代方案包括 Coqui TTS、MeloTTS、ChatTTS。
xtts-api-server
一键部署XTTSv2，快速实现多语言语音合成与克隆
xtts-api-server 是一个基于 FastAPI 的轻量级服务端，用于部署和运行 Coqui AI 的 XTTSv2 文本转语音模型。它解决了 XTTSv2 模型原生调用复杂、缺乏统一接口的问题，将模型封装为简洁的 RESTful API，支持多语言语音合成、语音克隆（通过参考音频）、流式输出和说话人管理。核心能力包括：提供 /tts 等端点实现文本转语音，支持中文、英文等多种语言，可加载自定义说话人音频进行音色克隆，并支持流式音频返回以降低延迟。项目代码结构清晰，易于本地或云端部署，适合快速集成到聊天机器人、有声书生成、视频配音等应用中。
开源
free
音频音乐
GitHub 星标
★ 596
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daswer123
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，需自行部署。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型realtime-tts,sillytavern,tts,tts-api,xtts,xttsv2
GitHub 星标★ 596
30天Star增速
HF 下载量
上线时间2023-11-20 00:00:00
最近更新2026-09-19 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3
使用教程
核心亮点
- 基于FastAPI，接口简单，几行代码即可调用TTS服务
- 支持语音克隆，仅需几秒参考音频即可生成相似音色
- 提供流式输出，降低首字节延迟，适合实时交互场景
不足之处
- 项目文档较简略，高级配置和部署细节需自行摸索
- 依赖XTTSv2模型，模型体积大，首次加载耗时较长
适用场景
- 为聊天机器人添加多语言语音回复能力
- 批量生成有声书或播客内容，支持自定义音色
- 视频配音和游戏角色语音生成，快速原型验证
替代项目
Coqui TTS、MeloTTS、ChatTTS
项目介绍
同类项目推荐
tango
开源
输入一句话，自动生成匹配的音频内容
A family of diffusion models for text-to-audio generation.
AuK
开源
一个模型搞定语音生成、编辑与分离
AuK: An Open-Source Foundational Model for Speech Generation and Editing
swift-tts
开源
Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine
A straightforward package containing version for Swift modern concurrency, Point-Fre···
ai-dj
开源
现场演出中实时用 AI 生成音乐，保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···