IMS-Toucan

一键生成7000种语言的自然语音，还能控制情感和语速

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 319 🐛 待处理 4 👀 关注 25

GitHub ↗

GitHub 星标 ★ 2212

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可免费使用和部署，无付费版本。

项目预览

项目数据

分类音频音乐

开发团队DigitalPhonetics

GitHubhttps://github.com/DigitalPhonetics/IMS-Toucan

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可免费使用和部署，无付费版本。

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Apache-2.0

主要语言Python

技术栈/模型deep-learning,pytorch,speech,speech-processing,speech-synthesis,text-to-speech,toolkit,tts

GitHub 星标★ 2212

上线时间2021-08-05 00:00:00

代码更新2026-01-25

仓库体积22.3 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

IMS-Toucan 是一个基于 PyTorch 的可控且快速的文本转语音（TTS）工具包，声称支持超过 7000 种语言。它旨在解决多语言语音合成中音色、情感、语速等控制能力不足和生成速度慢的问题。核心能力包括：多语言支持（利用多语言模型和音素转换）、细粒度的韵律和情感控制、快速推理（支持批量合成和流式输出），以及提供预训练模型和简单易用的 API。项目采用模块化设计，便于研究人员和开发者进行二次开发和集成。

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 ★ 2212

技术标签

deep-learning pytorch speech speech-processing speech-synthesis

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 15 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（项目使用 Python 开发）
PyTorch（项目技术栈为 PyTorch 深度学习）
足够的磁盘空间：预训练模型、训练模型与数据集预处理缓存都会占用空间
可选 GPU：README 提到 Hugging Face 上提供 GPU 实例运行该模型，本地训练/推理建议有 GPU

安装与启动步骤

1获取源码

从官方 GitHub 仓库克隆代码到本地，注意使用 DigitalPhonetics 官方仓库地址，避免第三方仿冒版本。
```
git clone https://github.com/DigitalPhonetics/IMS-Toucan.git
```
2进入项目目录

切换到刚克隆下来的仓库根目录，后续的配置与运行都在该目录下进行。
```
cd IMS-Toucan
```
3查阅仓库安装文档

README 节选中只给出了存储配置说明，未提供 pip/conda 安装命令；请在仓库内文档中确认依赖安装与运行方式。
4配置存储目录

若不想把预训练模型、训练模型和预处理缓存放在默认子目录，可编辑该文件设置全局目录，路径可为相对仓库根目录或绝对路径。
5在线试用 Demo

安装前可先在官方 Hugging Face Space 上试用多语言合成效果，确认是否符合需求（README 提供免费 GPU 实例）。