xtts-api-server
一键部署XTTSv2，快速实现多语言语音合成与克隆
项目预览
项目数据
项目介绍
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 ★ 597
技术标签
使用教程
环境要求
- GPU 8G 显存以上
- 参考音频
- Python 环境
安装与启动步骤
-
1装服务
一个包就能起接口服务。
pip install xtts-api-server -
2备参考音频
声音克隆要有参考样本，放进它指定的目录。
-
3起服务
默认端口起起来，先看接口文档。
python -m xtts_api_server -
4调并发与显存
并发一高就爆显存，按显卡容量压。
-
5用容器更省事
依赖冲突多时直接用镜像。
docker run -d daswer123/xtts-api-server
如何确认成功
用一段参考音合成新文本，音色接近且接口在并发下不崩
注意事项
- 它把语音克隆包成标准接口，方便别的应用调用。
- 参考音频质量直接决定效果，噪声大就白搭。
- 并发数按显存给，别按 CPU 核数估。
- 克隆他人声音涉及权益，使用前取得授权。
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
同类项目推荐
chatterbox
开源
开源高自然度语音合成，输入文字出拟人配音
SoTA open-source TTS
T5Gemma-TTS
开源
上传一段语音，即刻克隆音色并生成多语言自然语音。
Multilingual TTS model with voice cloning and duration control, based on T5Gemma enc···
cog-musicgen-chord
开源
输入和弦，生成符合和声走向的 AI 音乐
Chord conditioning implemented MusicGen
OpenAI-TTS-Gradio
开源
拖拽文本，一键生成 OpenAI 语音，无需写代码。
Use OpenAI TTS(Text to Speech) API with Gradio
tacotron
开源
用 TensorFlow 复现经典端到端语音合成，从文本直接生成语音
A TensorFlow Implementation of Tacotron: A Fully End-to-End Text-To-Speech Synthesis···
AivisSpeech
开源
上传声音样本，即刻生成以假乱真的日语语音。
AivisSpeech: AI Voice Imitation System - Text to Speech Software
Genie-TTS
开源
把 GPT-SoVITS 模型转成 ONNX，部署快、跑得稳，声音克隆更轻松。
GPT-SoVITS ONNX Inference Engine & Model Converter
ChatTTS
开源
日常对话配音自然到像真人，再也不用听机器腔
A generative speech model for daily dialogue.
ComfyUI-Qwen3-TTS
开源
在 ComfyUI 里拖拽节点，即可用 Qwen3 模型合成、克隆和定制语音。
A ComfyUI custom node suite for Qwen3-TTS, supporting 1.7B and 0.6B models, Custom V···