Speech-AI-Forge

一键整合多款 TTS 引擎，快速搭建语音应用

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。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1421

维护状态低维护

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队lenML

所属国家

官网地址

GitHubhttps://github.com/lenML/Speech-AI-Forge

定价模式free

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

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★ 1421

30天Star增速

HF 下载量

上线时间2024-06-01 00:00:00

最近更新2026-09-21 00:00:00

维护状态低维护

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6

使用教程

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

项目介绍

Speech-AI-Forge 是音频音乐领域的开源项目，由 lenML 开发，2024 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,421）位列前 30%，在音频音乐分类的 738 个项目里位列前 13%。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-21。基于AGPL-3.0许可证，可自行部署使用，无付费版本。

它主要面向的使用场景是：快速搭建多语言语音合成服务，供应用调用。同类可对比的替代方案包括 Coqui TTS、MeloTTS、Bark。

上一篇：OuteTTS

下一篇：SoniTranslate