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 ★ 1440
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- 已安装 Python 与 pip 的运行环境(README 未注明具体版本)
- 按硬件选择 llama.cpp 构建方式(llama.cpp Python bindings 默认随包安装,需按硬件指定)
- 如需 ExLlamaV2 或 VLLM 后端,需额外手动安装(README 标注 Requires manual installation)
安装与启动步骤
-
1检查 Python 环境
确认本机 Python 与 pip 可用。README 未给出具体版本要求,建议在虚拟环境中操作以隔离依赖。
python --version -
2安装 OuteTTS 库
使用 pip 安装 outetts。该库默认会带上 llama.cpp Python bindings,因此安装方式需结合你的硬件平台选择,必要时参考 llama.cpp 构建文档。
pip install outetts -
3验证导入
执行导入检查,确认包与默认后端已就绪,没有编译或 CUDA 相关报错。
python -c "import outetts" -
4按需安装其他后端
仅当使用 ExLlamaV2 或 VLLM 时才需要手动安装对应后端;默认后端无需额外操作。
-
5设置采样参数
使用 1.0 版本时必须按官方采样配置:温度 0.4、重复惩罚 1.1、重复范围 64、top-k 40、top-p 0.9、min-p 0.05。outetts 库已自动配置好各后端的采样器与补丁。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
Temperature | 是 | 采样温度,控制输出随机性 | 0.4 |
Repetition Penalty | 是 | 重复惩罚系数,1.0 版本必须开启 | 1.1 |
Repetition Range | 是 | 重复惩罚窗口,必须为最近 64 token | 64 |
Top-k | 是 | top-k 采样候选数量 | 40 |
Top-p | 是 | 核采样概率阈值 | 0.9 |
Min-p | 是 | 最小概率过滤阈值 | 0.05 |
如何确认成功
执行 python -c "import outetts" 无报错;再按 README 的基础用法示例跑一次合成,能得到可正常播放的语音输出。
常见问题
Q:输出语音破碎或质量很差怎么办?
A:通常是重复惩罚用错了。1.0 版本要求惩罚只作用于最近 64 token 的窗口,而不是整个上下文,否则会产生破碎或低质量输出。
Q:还需要手动安装 llama.cpp 吗?
A:默认会随 outetts 安装 llama.cpp Python bindings,但 README 要求按你的硬件指定安装方式,具体构建步骤需参考 llama.cpp 的构建文档。
Q:可以用 ExLlamaV2 或 VLLM 吗?
A:可以,但这两种后端不随包默认安装,需要手动安装;VLLM 的批处理支持在 README 中标注为实验性。
Q:有中文语音吗?
A:README 只说明当前提供一个默认英文语音可供测试,未提及中文语音;自定义音色可按官方 Speaker Profile 文档创建。
注意事项
- 重复惩罚必须限制在最近 64 token 窗口内,作用于整个上下文会导致输出损坏。
- README 的安装章节未给出完整 pip 命令,实际安装需结合硬件参考 llama.cpp 构建文档。
- 自定义实现时需自行保证采样器与重复惩罚补丁正确,outetts 库内已自动处理。
- 使用 1.0 版本时务必按官方采样表设置参数,不要随意改动。
核心亮点
- 统一接口,屏蔽 GGUF 和 Transformers 差异,切换模型只需改配置
- 基于 llama.cpp,支持 CPU/GPU 混合推理,部署灵活
- API 简洁,支持流式输出,适合实时交互场景
不足之处
- 文档/社区待观察
- 模型生态依赖 OuteTTS 自家模型,第三方模型兼容性未知
适用场景
- 快速搭建 TTS 原型应用
- 在资源受限环境中部署语音合成
- 集成到聊天机器人或语音助手
替代项目
Coqui TTS、Piper、MeloTTS
下一篇:Speech-AI-Forge
同类项目推荐
chattts-seed-example
开源
试听 ChatTTS 各音色,快速挑中你喜欢的 seed
这是一个 ChatTTS 音频仓库,包含用不同 seed 生成的不同音色,你可以方便地挑选你喜欢的 ···
wavegrad
开源
几步生成高保真语音,比 WaveNet 快几十倍
A fast, high-quality neural vocoder.
Tacotron-pytorch
开源
用 PyTorch 快速上手 Tacotron,训练自己的语音合成模型
Pytorch implementation of Tacotron
e2-tts-pytorch
开源
几行代码实现零样本语音克隆,让 TTS 不再复杂
Implementation of E2-TTS, "Embarrassingly Easy Fully Non-Autoregressive Zero-Shot TT···
MorshuTalk
开源
输入文字,用 Morshu 腔调念出来
Morshu text-to-speech
pdf-to-podcast
开源
把 PDF 变成能听的播客,通勤路上轻松吸收知识。
Transform PDFs into AI podcasts for engaging on-the-go audio content.
omi-read-aloud
开源
复制即朗读,AI 回复用耳朵听
A lightweight macOS menu bar companion that reads copied conversation text and AI re···
RealtimeTTS
开源
实时把文字变语音,低延迟流式输出,轻松集成各种 TTS 引擎。
Converts text to speech in realtime
PortaSpeech
开源
轻量级高音质语音合成,让 TTS 模型跑在移动端。
PyTorch Implementation of PortaSpeech: Portable and High-Quality Generative Text-to-···
