RealtimeTTS

实时把文字变语音，低延迟流式输出，轻松集成各种 TTS 引擎。

RealtimeTTS 是一个专注于实时文本转语音（TTS）的 Python 库，旨在解决传统 TTS 引擎延迟高、难以集成到实时应用中的问题。它提供了统一的 API 接口，支持多种主流 TTS 引擎（如 Coqui TTS、Azure TTS、ElevenLabs 等），并具备流式输出、低延迟、多语言支持等核心能力。通过简单的调用，开发者可以轻松实现将文本实时转换为自然流畅的语音，适用于语音助手、实时字幕、游戏配音、无障碍辅助等场景。该库设计轻量，易于扩展，并提供了丰富的示例和文档，帮助开发者快速上手。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 4033

维护状态活跃

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队KoljaB

所属国家

官网地址

GitHubhttps://github.com/KoljaB/RealtimeTTS

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型python,realtime,speech-synthesis,text-to-speech

GitHub 星标★ 4033

30天Star增速

HF 下载量

上线时间2023-08-26 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：库/依赖 5 步

环境要求

Python 环境（Windows 预编译 PyAudio 轮子覆盖 Python 3.10–3.13）
Linux 需先安装 python3-dev 与 portaudio19-dev
macOS 需先安装 portaudio
QwenEngine 需 x86-64 的 Windows 或 Linux 系统并配备 NVIDIA GPU（macOS 及其他平台非支持发布目标）

安装与启动步骤

1安装系统引擎

最快本地体验方式，安装 realtimetts 的 system 额外组件；该额外组件依赖 PyAudio，需先装好系统音频库。
```
pip install "realtimetts[system]"
```
2安装Linux音频依赖

Linux 上使用 system 等传统引擎前，先安装 PortAudio 头文件与 python3-dev，否则 PyAudio 会编译失败。
```
sudo apt-get update
sudo apt-get install python3-dev portaudio19-dev
```
3安装macOS音频依赖

macOS 上通过 Homebrew 安装 portaudio，为 PyAudio 提供底层音频支持。
```
brew install portaudio
```
4安装Qwen服务组件

可选，安装后可将原生 Qwen 引擎以 OpenAI 兼容 HTTP API 暴露；该服务为无头模式，不安装 PyAudio。
```
pip install "realtimetts[qwen-server]"
```
5安装Stanza分句支持

可选，默认安装不含 Stanza 与 PyTorch；仅在需要 Stanza 分句时才额外安装。
```
pip install "realtimetts[stanza]"
```

关键配置

配置项	必填	说明	示例
`默认绑定地址`	否	qwen-server 默认仅监听回环地址，需显式改绑才能被局域网访问	`127.0.0.1`
`--allow-lan`	否	需暴露到局域网时使用，并配合内置 API Key 或可信反向代理做认证	`--allow-lan`

如何确认成功

README 未提供启动验证命令；可用 pip show realtimetts 查看已安装版本，确认安装成功。

常见问题

Q：macOS 能用 Qwen 原生引擎吗？

A：不能。RealtimeTTS 0.7.4 只为 x86-64 的 Windows 和 Linux 声明了已验证的原生 Qwen 轮子，macOS 等平台不是支持的发布目标。

Q：安装 Qwen 原生轮子需要本地 CUDA Toolkit 吗？

A：不需要。README 明确说明 Qwen 原生轮子本身不要求本地安装 CUDA Toolkit，但需要受支持的 Windows/Linux 系统与 NVIDIA GPU。

Q：装 system 等额外组件时报 PyAudio 相关错误怎么办？

A：先安装 PortAudio：Linux 执行 apt-get install python3-dev portaudio19-dev，macOS 执行 brew install portaudio，再重新安装额外组件。

Q：qwen-server 会直接暴露到公网吗？

A：默认不会，它只绑定回环地址 127.0.0.1；局域网暴露需显式 --allow-lan 并配合内置 API Key，或用终止 TLS 的可信反向代理认证。

注意事项

CORS 默认仅允许明确的 localhost 来源并拒绝通配符 *，但 CORS 不是访问控制边界，不能当作安全防护手段。
qwen-server 为无头服务，不安装 PyAudio/PortAudio，适合部署在服务器端。
Qwen 引擎在受支持的 Windows/Linux + NVIDIA GPU 环境下被推荐用于高质量低延迟对话语音，README 示例基于调优后的 RTX 4090。
如需了解 Qwen 部署、协议、许可与资产边界，README 指向 docs/engines/qwen.md 的 HTTP 服务器章节。

核心亮点

统一 API 封装多种 TTS 引擎，切换成本低
流式输出，首包延迟低，适合实时交互
支持多语言，满足全球化应用需求

不足之处

依赖外部 TTS 服务，部分引擎需付费或网络
文档/社区待观察

适用场景

语音助手实时对话
直播/游戏实时语音播报
无障碍阅读辅助工具

替代项目

Coqui TTS、pyttsx3、gTTS

项目介绍

RealtimeTTS 是音频音乐领域的开源项目，由 KoljaB 开发，2023 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（4,033）位列前 30%，在音频音乐分类的 738 个项目里位列前 7%。

近 42 天，它的 GitHub 星标从 4,010 增加到 4,033，净增 23。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：语音助手实时对话。同类可对比的替代方案包括 Coqui TTS、pyttsx3、gTTS。

上一篇：DiffSinger

下一篇：MOSS-TTS