项目预览
项目数据
项目介绍
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 ★ 3308
使用教程
环境要求
- Python 3.10 或 3.11(暂不支持 3.12)
- git
- PyTorch
- ffmpeg(需支持 vorbis)
- 磁盘空间:基础安装约 10.7 GB,每个模型另需 2-8 GB
安装与启动步骤
-
1准备环境依赖
确认已安装 git、Python 3.10/3.11、PyTorch、ffmpeg(含 vorbis),并预留约 10.7 GB 以上磁盘空间。
-
2克隆仓库
从 GitHub 克隆 TTS-WebUI 源码,并进入项目目录后再执行后续命令。
git clone https://github.com/rsxdalv/tts-webui.git cd tts-webui -
3安装依赖
在项目根目录用 pip 安装 requirements.txt 中的全部 Python 依赖,耗时较长请耐心等待。
pip install -r requirements.txt -
4启动服务
不加 React 界面,直接启动 Gradio 后端服务,适合只使用后端界面的场景。
python server.py --no-react -
5构建 React UI
进入 react-ui 安装依赖并打包,再回到根目录启动,即可同时使用完整前端界面。
cd react-ui npm install npm run build cd .. python server.py -
6改用 Docker
也可拉取官方镜像并用 Docker Compose 后台启动,首次启动会自动下载模型。
docker pull ghcr.io/rsxdalv/tts-webui:main docker compose up -d
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
TTS_PORT | 否 | Gradio 后端的服务端口,默认 7770。 | 7770 |
UI_PORT | 否 | React 前端的服务端口,默认 3000。 | 3000 |
如何确认成功
浏览器访问 http://localhost:7770(Gradio 后端)与 http://localhost:3000(React UI)能正常打开即为启动成功。
常见问题
Q:可以用 Python 3.12 吗?
A:不可以,README 明确说明需 Python 3.10 或 3.11,3.12 暂不支持。
Q:用安装脚本前需要自己建虚拟环境吗?
A:不需要。启动脚本会自行创建 conda 环境和 Python 虚拟环境,从其他 venv 启动反而可能破坏脚本。
Q:Docker 启动后很久没有输出?
A:容器首次运行会在后台下载模型,需要等待。用 docker logs tts-webui 查看下载进度。
Q:安装日志在哪里看?
A:使用安装器时,输出日志保存在 installer_scripts/output.log 文件中。
注意事项
- NodeJS 22.9.0 仅在需要 React UI 时安装,属可选项。
- Docker 中使用 CUDA 需要先安装 NVIDIA Container Toolkit。
- 项目也提供 Installer 安装包,解压后运行 start_tts_webui.bat(Windows)或 start_tts_webui.sh(Linux/macOS)并按提示选择 GPU 即可。
- 首次启动会下载模型,出结果前请耐心等待。
核心亮点
- 集成 20+ 主流 TTS/语音/音乐模型,免去逐个部署的麻烦
- 基于 Gradio + React 的现代化 UI,交互流畅且支持扩展
- 提供 OpenAI 兼容 API,便于接入现有应用
不足之处
- 依赖多个重型模型,本地运行资源占用高
- 文档/社区待观察
适用场景
- 快速对比不同 TTS 模型的合成效果
- 搭建统一的语音生成服务供团队或应用调用
- 音乐创作者利用 MusicGen、AudioGen 等生成背景音乐或音效
替代项目
Coqui TTS、OpenVoice、GPT-SoVITS
上一篇:Applio
同类项目推荐
awesome-tts-samples
开源
边听边看论文,快速对比各家TTS语音效果
Awesome list of TTS papers with audio samples
TTS-MultiLingual
开源
一行代码为你的应用加上20种语言的语音输出
Text To Speech Multilingual Support (+20 Language)
Music-Source-Separation-Training
开源
一站式训练音乐分离模型,人声伴奏随手拆
Repository for training models for music source separation.
tts-arabic-pytorch
开源
开箱即用的阿拉伯语语音合成,支持多说话人,训练推理一条龙
️ Arabic TTS models (Tacotron2, FastPitch)
HanTTS
开源
快速搭建中文语音合成服务,几行代码生成语音
Chinese Text-to-Speech web service
youtube-auto-dub
开源
本地免费给YouTube视频配音,克隆原声换语言,自动同步字幕
Local-first, open-source YouTube dubbing: clones the original voice into another lan···
tts
开源
一键接入文本转语音,快速生成自然语音输出
tts 服务
epub2mp3
开源
把电子书变成有声书,用 Edge TTS 一键转 MP3
这是一个使用 Microsoft Edge TTS 服务将 EPUB 电子书转换为 MP3 音频文件的工具。
TTS-Cube
开源
用RNN端到端合成语音,从文本到波形一步到位
End-2-end speech synthesis with recurrent neural networks
