VitsServer

把 VITS 模型秒变高速 TTS 服务，一键部署低延迟合成

VitsServer 是一个基于 VITS 模型和 ONNX Runtime 的文本转语音（TTS）推理服务器，专为快速部署和低延迟合成而设计。它解决了 VITS 模型在 Python 环境中推理速度慢、部署复杂的问题，通过将模型转换为 ONNX 格式并封装为轻量级服务，提供 HTTP API 接口，支持多说话人、批量合成和流式输出。核心能力包括：模型加载与热切换、请求队列管理、GPU/CPU 自适应推理、音频后处理（如降噪、音量归一化），以及简单的配置方式。项目采用 Python 编写，依赖 FastAPI 或 Flask 提供 Web 服务，适合需要将 TTS 能力集成到现有系统中的开发者，尤其适用于语音助手、有声书生成、实时配音等场景。作为早期项目，代码结构清晰，但功能相对基础，扩展性有待社区完善。