Audio8_TTS

环境要求

• Python 3.10 或更高版本
• 支持 CUDA 的 GPU（README 明确要求）
• 能访问 GitHub 与 Hugging Face 以克隆仓库、下载依赖和模型权重
• 所有命令需在仓库根目录 Audio8_TTS 下执行

安装与启动步骤

1. 1克隆仓库

   把 Audio8_TTS 源码拉到本地，克隆完成后进入项目目录。

   git clone https://github.com/Edge0-AI/Audio8_TTS.git
   cd Audio8_TTS

   复制

2. 2创建虚拟环境

   用 venv 建独立 Python 环境并激活，避免污染系统环境；Windows 下激活命令不同。

   python3 -m venv .venv
   source .venv/bin/activate

   复制

3. 3安装依赖

   按仓库根目录的 requirements.txt 安装推理所需依赖包，耗时取决于网络与轮子编译。

   pip install -r requirements.txt

   复制

4. 4运行基础合成

   显式指定 Realistic Air 模型 ID，输入英文文本，结果写入 outputs/realistic.wav；脚本默认模型是 Preview，不指定会跑错版本。

   python audio8_tts_infer.py --model Edge0/Audio8-TTS-Realistic-Air --text "Welcome to Audio8 TTS. It is wonderful to hear from you." --output outputs/realistic.wav

   复制

5. 5执行音色克隆

   在基础命令后追加参考音频与其精确转写文本即可做零样本音色克隆；转写必须与录音内容一致。

   python audio8_tts_infer.py --model Edge0/Audio8-TTS-Realistic-Air --text "Welcome to Audio8 TTS. It is wonderful to hear from you." --output outputs/cloned.wav --reference-audio reference.wav --reference-text "The exact transcript of the recording."

   复制

关键配置

如何确认成功

命令执行结束后检查 outputs/realistic.wav 是否生成，播放确认有正常语音内容即可。

常见问题

注意事项

• 多语言合成质量并不均衡，README 明确提示质量会因语言而异，上线前需逐语种试听验证。
• Realistic Air 暂无 ONNX 导出，不要按网上通用流程套用 ONNX 推理。
• 所有推理命令必须在仓库根目录执行，否则脚本找不到相对路径资源。
• 如需批量推理或微调，README 指向 guides/inference.md 与 guides/training.md 两份文档。