netease-youdao/EmotiVoice

项目概览

该项目已提供中英文、超过 2,000 种音色和多种情感合成的组合能力，可直接验证其是否覆盖需要情感表达的语音生成场景。

项目类型

语音音频

应用场景

语音音频

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 需要中英文、多音色和情感表达的文本转语音创作者或开发者。
• 既要通过网页直接操作，又要通过脚本批量产出语音的团队。
• 需要兼容 OpenAI 的 TTS API 并在调用时控制语速的应用集成方。
• 需要采用已发布个人数据工作流进行声音克隆的使用者。

核心能力

• 将中英文文本合成为语音，并提供超过 2,000 种音色以及快乐、兴奋、悲伤、愤怒等情感选择；价值在于可按内容语气和角色需求生成差异化配音。
• 提供网页界面和用于批量生成的脚本接口；前者便于人工操作，后者适合将多段文本按批处理为语音结果。
• 兼容 OpenAI 的 TTS API 支持调节语速，使调用方能够按内容节奏或播放需求控制生成语音的快慢。
• 提供已发布的个人数据声音克隆工作流，可将定制声音需求纳入项目使用范围。

限制与风险

• 当前实现以音高、语速、能量和情感作为风格因子，不使用性别；若产品要求将性别作为明确控制维度，需要先验证其替代方案是否可接受。

如何开始

• 首次成功路径包括配置 NVIDIA Container Toolkit，并运行文档提供的 Docker 镜像命令。
• 完整安装需要 Python 依赖和用于推理的预训练模型文件，应在部署前确认模型文件获取与运行环境准备。

核验依据

• README: **EmotiVoice** is a powerful and modern open-source text-to-speech engine that is available to you at no cost. EmotiVoice speaks both English and Chinese, and with over 2000 diffe…
• README: An easy-to-use web interface is provided. There is also a scripting interface for batch generation of results.
• README: - [x] Tuning voice speed is now supported in 'OpenAI-compatible-TTS API', thanks to [@john9405](https://github.com/john9405). [#90](https://github.com/netease-youdao/EmotiVoice/pu…
• README: - [x] [Voice Cloning with your personal data](https://github.com/netease-youdao/EmotiVoice/wiki/Voice-Cloning-with-your-personal-data) has been released on December 13th, 2023, al…
• README: - [ ] Support for more languages, such as Japanese and Korean. [#19](https://github.com/netease-youdao/EmotiVoice/issues/19) [#22](https://github.com/netease-youdao/EmotiVoice/iss…

内容核验时间：