Speech-AI-Forge

一键整合多款 TTS 引擎，快速搭建语音应用

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 185 🐛 待处理 78 👀 关注 21
GitHub ↗
GitHub 星标 ★ 1420
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AGPL-3.0许可证，可自行部署使用，无付费版本。

项目预览

Speech-AI-Forge 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐
开发团队lenML
GitHubhttps://github.com/lenML/Speech-AI-Forge
定价模式🏷️完全免费
价格说明开源项目，基于AGPL-3.0许可证，可自行部署使用，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AGPL-3.0
主要语言Python
技术栈/模型agent,asr,chattts,chattts-forge,chinese,colab,cosy-voice,cosyvoice,english,firered,fireredtts,fish-speech,gpt,llama,llm,ssml,stt,text-to-speech,tts,whisper
GitHub 星标★ 1420
上线时间2024-06-01 00:00:00
代码更新2026-05-21
仓库体积37.1 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8

项目介绍

Speech-AI-Forge 是一个围绕 TTS（文本转语音）生成模型构建的开源项目，提供 API 服务器和基于 Gradio 的 WebUI。它整合了多种主流 TTS 引擎（如 ChatTTS、CosyVoice、Fish-Speech 等），支持中英文及多语言合成，并集成了 ASR（语音识别）和 LLM 能力，可构建完整的语音对话智能体。项目解决了 TTS 模型部署和调用碎片化的问题，通过统一接口和可视化界面，让开发者能快速接入、切换和测试不同语音模型，同时支持 Colab 一键运行，大幅降低使用门槛。核心能力包括多引擎管理、实时推理、语音克隆、情感控制以及智能体工作流编排，适合语音应用开发和研究。

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 ★ 1420

技术标签

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：进阶 约 30 分钟 部署方式：本地安装 3 步

环境要求

  • Python 运行环境（项目为 Python 开发）
  • 按官方文档 docs/dependencies.md 安装相关依赖
  • 提前下载所需 TTS 模型（见 README 模型下载章节）
  • 如需容器部署，需具备 Docker 环境

安装与启动步骤

  1. 1安装相关依赖

    按 README 要求先确保相关依赖已正确安装，具体依赖清单见仓库 docs/dependencies.md 文档。

  2. 2下载所需模型

    进入 README 的“模型下载”章节，下载你要使用的 TTS 模型，未下载模型无法正常推理。

  3. 3启动 WebUI

    在项目根目录执行启动脚本，即可拉起基于 Gradio 的 WebUI 界面。

    python webui.py

如何确认成功

终端无报错并输出 Gradio 启动日志，按日志提示的地址在浏览器打开 WebUI 页面即为成功。

常见问题

Q：依赖装不上或运行时报缺少依赖怎么办？

A：README 明确要求先确保相关依赖正确安装，请对照仓库 docs/dependencies.md 逐项检查并补齐依赖。

Q：启动后无法合成语音是什么原因？

A：多半是模型未下载。README 在安装运行部分要求先查看“模型下载”章节下载所需模型。

Q：不想自己配环境，有更省事的方式吗？

A：可以使用 Releases 中的 Windows 整合包，解压即用；也可用仓库提供的 Colab notebook 一键体验。

Q：怎么在容器里部署？

A：README 提供了 Docker 章节入口，具体容器部署命令请以仓库该章节内容为准。

注意事项

  • README 未给出具体依赖安装命令，需先查阅 docs/dependencies.md
  • 模型文件需单独下载，项目本身不包含模型
  • 除本地部署外还支持整合包、Colab 与容器部署三种方式
  • Docker 章节的具体命令未在节选中体现，请以仓库原文为准

核心亮点

  • 统一封装 ChatTTS、CosyVoice、Fish-Speech 等主流模型，切换模型无需改代码
  • 提供 API Server 和 Gradio WebUI，兼顾开发调试与可视化操作
  • 集成 ASR 和 LLM，可直接构建语音对话智能体，端到端流程完整

不足之处

  • 依赖多个外部模型和框架，安装部署体积大，环境配置复杂
  • 文档/社区待观察

适用场景

  • 快速搭建多语言语音合成服务，供应用调用
  • 在 Colab 中实验不同 TTS 模型的音色和效果
  • 开发语音交互智能体，集成识别、理解、合成全链路

替代项目

Coqui TTS、MeloTTS、Bark

上一篇：OuteTTS

下一篇：SoniTranslate

同类项目推荐

ebook2audiobook 开源

一键把电子书变成有声书，支持千种语言和声音克隆

Generate audiobooks from e-books, 50+ TTS engines with voice cloning and 1696 langua···

★ 20514 2026-08-09
ComfyUI-GPT_SoVITS 开源

在ComfyUI里拖拽节点，就能克隆声音生成语音

a comfyui custom node for GPT-SoVITS! you can voice cloning and tts in comfyui now

★ 257 2026-08-09
Tacotron-2 开源

用 TensorFlow 复现 DeepMind 端到端语音合成，一键训练出自然语音

DeepMind's Tacotron-2 Tensorflow implementation

★ 2321 2026-08-09
bark.cpp 开源

用C++跑Bark模型，轻量快速本地生成语音

Suno AI's Bark model in C/C++ for fast text-to-speech generation

★ 869 2026-08-09
edge-tts-go 开源

用 Go 一行代码调用 Edge 免费语音合成，无需密钥

Use Microsoft Edge's online text-to-speech service from golang WITHOUT needing Micro···

★ 52 2026-08-09
GenerSpeech 开源

用任意声音合成语音，零样本风格迁移

PyTorch Implementation of GenerSpeech (NeurIPS'22): a text-to-speech model towards z···

★ 333 2026-08-09
AudioMAE-pytorch 开源

用掩码自编码器预训练音频模型，轻松提取通用音频特征

Unofficial PyTorch implementation of Masked Autoencoders that Listen

★ 71 2026-08-09
emospeech 开源

从语音中识别情绪，让机器听懂你的心情

★ 128 2026-08-09
LA-Studio 开源

本地跑通语音克隆和翻译，一站式测试音频模型

LA Studio is a local-first AI audio platform for exploring, downloading, and testing···

★ 105 2026-08-09