silero-models

几行代码实现高质量语音合成与识别,CPU也能跑

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 音频音乐 🍴 复刻 379 🐛 待处理 13 👀 关注 92
GitHub ↗
GitHub 星标 ★ 6178
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源预训练模型,完全免费,可自行部署使用。

项目预览

silero-models 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类音频音乐
开发团队snakers4
定价模式🏷️完全免费
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🔧 仅开源项目,无在线服务,需自行部署
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★ 6178
上线时间2020-09-11 00:00:00
代码更新2026-10-15
仓库体积13.3 MB
本站数据更新2026-11-09
维护状态较活跃
收录时间2026-08-09
浏览次数8

项目介绍

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。

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。

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. 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。

  2. 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. 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. 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. 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. 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

上一篇:espeak-ng

下一篇:abogen

同类项目推荐

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

★ 1162 2026-08-09
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···

★ 147 2026-08-09
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

★ 903 2026-08-09
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

★ 60238 2026-08-09
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. ···

★ 236 2026-08-09
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···

★ 10333 2026-08-09
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···

★ 538 2026-08-09
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 ···

★ 316 2026-08-09