voicevox_engine

本地跑日文语音合成，多角色音色随调随用

开源 🏷️完全免费 ⏳ 访问状态待核验音频音乐 🍴 复刻 266 🐛 待处理 90 👀 关注 26

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1773

维护状态活跃

是否开源开源

定价模式 🏷️完全免费支持限时试用 · 开源免费，官网提供免费下载使用

项目预览

项目数据

分类音频音乐

开发团队VOICEVOX

官网地址https://voicevox.hiroshiba.jp

GitHubhttps://github.com/VOICEVOX/voicevox_engine

定价模式🏷️完全免费

价格说明开源免费，官网提供免费下载使用

访问状态⏳ 访问状态待核验

是否开源是

开源协议NOASSERTION

主要语言Python

GitHub 星标★ 1773

上线时间2021-07-27 00:00:00

代码更新2026-10-26

仓库体积9.9 MB

本站数据更新2026-10-27

维护状态活跃

收录时间2026-10-27

浏览次数0

项目介绍

voicevox_engine 是开源语音合成软件 VOICEVOX 的核心引擎，用 Python 实现，提供把日文文本转成自然语音的完整能力。它解决的是免费、可本地部署的日文 TTS 需求：用户无需依赖商业云服务，就能在自己的机器上生成多种角色音色的朗读音频。引擎内置文本解析、音素化、声学模型推理与波形合成流程，支持调节语速、音高、音量、停顿等参数，并通过 HTTP API 对外提供服务，方便桌面端、Web 前端或第三方应用调用。项目以 Docker 镜像和命令行方式分发，配套词典与模型管理机制，适合做语音内容创作、辅助阅读、游戏与视频配音等场景。整体定位是面向日语的高质量离线合成方案，社区活跃、迭代较快，文档以日文为主。

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 2026-10-27 · 当前星标 ★ 1773

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 15 分钟部署方式：Docker 7 步

环境要求

已安装 Docker，可正常执行 docker pull / docker run
本机 50021 端口空闲（容器默认映射该端口）
使用 GPU 版需 NVIDIA 显卡驱动与 Docker 的 --gpus 支持
首次拉取镜像需能访问 Docker 镜像仓库，镜像体积较大

安装与启动步骤

1拉取 CPU 镜像

从官方仓库拉取 CPU 版引擎镜像，镜像较大，首次拉取需等待较久。
```
docker pull voicevox/voicevox_engine:cpu-latest
```
2启动引擎容器

把容器内 50021 端口映射到本机 50021，只监听 127.0.0.1；该窗口需保持运行。
```
docker run --rm -p '127.0.0.1:50021:50021' voicevox/voicevox_engine:cpu-latest
```
3查看接口文档

浏览器打开文档地址，能看到接口列表说明引擎已在运行；该方法来自 README。
4准备日文文本

用 echo 把要合成的日文写入 text.txt，-n 可避免多余换行被读入。
```
echo -n "こんにちは、音声合成の世界へようこそ" >text.txt
```
5生成音频参数

调用 audio_query 接口，按 speaker 生成该音色的合成参数并保存为 query.json。
```
curl -s -X POST "127.0.0.1:50021/audio_query?speaker=1" --get --data-urlencode text@text.txt > query.json
```
6合成语音文件

把 query.json 作为请求体提交给 synthesis 接口，返回的音频流写入 audio.wav。
```
curl -s -H "Content-Type: application/json" -X POST -d @query.json "127.0.0.1:50021/synthesis?speaker=1" > audio.wav
```

7调整语速重合成

用 sed 把 speedScale 改为 1.5，再次调用 synthesis 生成更快语速的语音。

sed -i -r 's/"speedScale":[0-9.]+/"speedScale":1.5/' query.json
curl -s -H "Content-Type: application/json" -X POST -d @query.json "127.0.0.1:50021/synthesis?speaker=1" > audio_fast.wav

关键配置

配置项	必填	说明	示例
`speaker`	是	指定音色编号，作为 audio_query 与 synthesis 的查询参数传入	`1`
`speedScale`	否	query.json 中的语速倍率，1 为正常语速，数值越大越快	`1.5`
`127.0.0.1:50021`	是	容器映射到本机的服务地址与端口，接口文档也在此地址	`http://127.0.0.1:50021/docs`
`VV_OUTPUT_LOG_UTF8`	否	README 提到设为 1 时可让日志以 UTF-8 输出	`1`