FireRedTTS

用大模型驱动，一句话克隆声音，生成自然语音。

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 86 🐛 待处理 37 👀 关注 35

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 923

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，基于MPL-2.0许可证，可免费使用和修改，无付费版本。

项目预览

项目数据

分类音频音乐

开发团队FireRedTeam

官网地址https://fireredteam.github.io/demos/firered_tts

GitHubhttps://github.com/FireRedTeam/FireRedTTS

定价模式🏷️完全免费

价格说明开源项目，基于MPL-2.0许可证，可免费使用和修改，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MPL-2.0

主要语言Python

技术栈/模型diffusion,flow-matching,gan,language-model,speech,speech-synthesis,text-to-speech,tts,voice-clone

GitHub 星标★ 923

上线时间2024-08-15 00:00:00

代码更新2025-09-28

仓库体积3.4 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数5

项目介绍

FireRedTTS 是一个基于大语言模型（LLM）的开源语音合成（TTS）系统，旨在提供高质量、自然且可控的文本到语音生成能力。它结合了语言模型、扩散模型、流匹配和GAN等多种技术，能够处理复杂的语音合成任务，包括零样本语音克隆和跨语种合成。项目解决了传统TTS系统在韵律自然度、多说话人支持以及情感表达上的不足，通过LLM的上下文理解能力增强语音的语义一致性。核心能力包括：高表现力的语音合成、少样本/零样本声音克隆、多语言支持以及细粒度的韵律控制。其技术栈覆盖了从模型训练到推理的完整流程，适合研究者和开发者用于构建定制化语音应用。

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 ★ 923

技术标签

diffusion flow-matching gan language-model speech

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。

难度：高级约 50 分钟部署方式：本地 GPU 4 步

环境要求

NVIDIA GPU（8GB 显存起）
Python 3.10
ffmpeg

安装与启动步骤

1建环境

官方指定 Python 3.10，PyTorch 固定 2.3.1，CUDA 11.8 或 12.1 二选一。

conda create --name redtts python=3.10
conda activate redtts
conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidia

2装本仓库

以可编辑方式装包，再补 requirements 里的其余依赖。
```
pip install -e .
pip install -r requirements.txt
```
3下权重

按 README 给的位置放预训练模型，路径不对会在加载时报 key 缺失。
4跑合成

用仓库脚本喂参考音频与文本，输出 wav；长文本建议切句后逐段合成再拼接。