silero-models

几行代码实现高质量语音合成与识别，CPU也能跑

Silero Models 是一个提供预训练语音模型的集合，专注于让文本转语音（TTS）和语音识别（STT）变得极其简单。它解决了开发者在使用语音技术时面临的模型复杂、部署困难、资源消耗大等问题。核心能力包括：提供高质量、多语言（如俄语、英语、中文等）的预训练模型，支持 PyTorch 框架，并能在 CPU 上实时运行，无需 GPU。项目通过简洁的 API 设计，让用户只需几行代码即可实现语音合成和识别，同时提供 Colab 示例，方便快速体验。此外，模型经过优化，体积小、速度快，适合边缘设备部署。整体上，它降低了语音AI的应用门槛，让开发者能专注于业务逻辑而非模型细节。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 6117

维护状态维护中

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队snakers4

所属国家

官网地址

GitHubhttps://github.com/snakers4/silero-models

定价模式free

价格说明开源预训练模型，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Jupyter Notebook

技术栈/模型armenian,azerbaijani,belarus,colab,georgian,kazakh,kyrgyz,pretrained-models,pytorch,russian,speech,speech-synthesis,speech-to-text,tajik,text-to-speech,torch-hub,tts,tts-models,ukrainian,uzbek

GitHub 星标★ 6117

30天Star增速

HF 下载量

上线时间2020-09-11 00:00:00

最近更新2026-09-22 00:00:00

维护状态维护中

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：入门约 10 分钟部署方式：库/依赖 6 步

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

项目介绍

silero-models 是音频音乐领域的开源项目，由 snakers4 开发，2020 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（6,117）位列前 8%，在音频音乐分类的 738 个项目里位列前 5%。

近 41 天，它的 GitHub 星标从 6,061 增加到 6,117，净增 56。

项目仍在小幅维护中，最近一次代码更新于 2026-09-22。开源预训练模型，完全免费，可自行部署使用。

它主要面向的使用场景是：快速原型开发，验证语音交互想法。同类可对比的替代方案包括 Coqui TTS、Mozilla TTS、ESPnet。

上一篇：espeak-ng

下一篇：abogen