
silero-models
几行代码实现高质量语音合成与识别,CPU也能跑
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 ★ 6178
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。
环境要求
- Python 环境,并已具备 PyTorch(README 说明模型基于 PyTorch 框架使用)
- 可访问外网:模型由 pip 和 PyTorch Hub 按需下载
- 按需准备语言与说话人参数(例如 language='ru'、speaker='v5_ru')
安装与启动步骤
-
1选择使用方式
README 提供三种接入方式:PyTorch Hub 的 torch.hub.load()、pip 包、以及手动缓存模型与工具代码后自行修改。按需选一种。
-
2pip 安装 silero
最简方式是通过 pip 安装官方包,安装后即可 from silero import silero_tts,无需手动下载模型文件。
pip install silero -
3运行 TTS 示例
把 README 给出的示例写入 .py 文件并运行:加载俄语 v5_ru 模型,用示例文本合成音频,首次运行会自动下载模型。
from silero import silero_tts model, example_text = silero_tts(language='ru', speaker='v5_ru') audio = model.apply_tts(text=example_text) -
4或改用 PyTorch Hub
如果不装 pip 包,也可通过 torch.hub.load() 加载同一份代码,README 未给出完整参数,具体用法见官方文档。
torch.hub.load() -
5确认模型与音频
示例运行后 model 为已加载的 TTS 模型、example_text 为示例文本、audio 为合成结果,无报错即表示可用。
-
6按需缓存模型
模型默认按需下载;若需要缓存,可手动缓存,或先调用一次对应模型,它会自动下载到缓存目录。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
language | 是 | 选择模型语言,如俄语 ru 等,决定加载哪套模型。 | ru |
speaker | 是 | 选择说话人/模型版本标识,需与语言对应。 | v5_ru |
text | 否 | 要合成的文本,不传则使用模型返回的示例文本。 | example_text |
如何确认成功
运行 README 示例代码无报错,并拿到 model、example_text 和 audio 三个返回结果,即表示加载与合成成功。
常见问题
Q:三种使用方式有什么区别?
A:PyTorch Hub 与 pip 包基于同一份代码,README 中所有 torch.hub.load 示例只需改为 from silero import silero_tts 即可用于 pip 包。
Q:模型下载到哪里,能否离线使用?
A:模型由 pip 和 PyTorch Hub 按需下载;需要缓存时手动缓存,或先调用一次模型,它会被下载到缓存目录。
Q:运行需要 GPU 吗?
A:不需要。README 强调模型在 CPU 和 GPU 上都很快,CPU 上即可运行。
Q:支持哪些语言和说话人?
A:README 的 Models and Speakers 一节按 V5 Turkic、V5 Caucasian、V5、V4、V3 等列出了可选模型与说话人,按需选择对应 language 与 speaker。
注意事项
- README 的 Dependencies 一节未在节选中给出具体依赖清单,安装前请查阅官方说明。
- README 未给出具体端口、路径与硬件参数,不要自行假设。
- 仓库同时提供 Colab 示例,可先在线体验再本地部署。
- 许可证信息见 README 的 Licence 一节,商用前请自行确认。
核心亮点
- 模型轻量,CPU实时推理,无需GPU即可部署
- API极简,几行代码完成TTS/STT,上手快
- 多语言支持,覆盖俄语、英语等,且有Colab示例
不足之处
- 文档/社区待观察
- 模型语言覆盖有限,中文等支持可能不完善
适用场景
- 快速原型开发,验证语音交互想法
- 边缘设备或低资源环境下的语音应用
- 教育或研究用途,学习语音模型集成
替代项目
Coqui TTS、Mozilla TTS、ESPnet
同类项目推荐
MiniMax-AI.github.io
开源
MiniMax 官方 TTS 开源入口,快速上手语音合成
The official GitHub Page for MiniMax
XZVoice
开源
免费开源的桌面TTS工具,一键把文字变成自然语音
Free and open source text-to-speech software
Comprehensive-E2E-TTS
开源
快速搭建非自回归端到端语音合成,对比多种时长建模方案
A Non-Autoregressive End-to-End Text-to-Speech (text-to-wav), supporting a family of···
tuneflow-py
开源
编曲软件里直接跑 AI,灵感落地不用切工具
+ Build your music algorithms and AI models with the next-gen DAW
Real-Time-Voice-Cloning
开源
5秒克隆声音,实时生成任意语音
Clone a voice in 5 seconds to generate arbitrary speech in real-time
theDAW
开源
一个工具搞定编曲、打碟和视觉,还能用 AI 生成音乐
Full-featured DAW, DJ, and VJ app interoperable w/Ableton, Reaper, Resolume & more. ···
Amphion
开源
一站式音频生成工具箱,快速上手语音、音乐与歌声合成
Amphion (/æmˈfaɪən/) is a toolkit for Audio, Music, and Speech Generation. Its p···
tacotron
开源
听Tacotron合成语音,感受端到端TTS的早期突破
Audio samples accompanying publications related to Tacotron, an end-to-end speech sy···
xcodec
开源
让音频语言模型听懂语义,生成更准的语音和音乐
AAAI 2025: Codec Does Matter: Exploring the Semantic Shortcoming of Codec for Audio ···