MeloTTS

myshell-aiMIT长期未更新

支持中英日韩法西六种语言的高质量语音合成库，适合需要多语种 TTS 能力的应用直接集成。

High-quality multi-lingual text-to-speech library by MyShell.ai. Support English, Spanish, French, Chinese, Japanese and Korean.

v0.1.2发布于 2024-03-01 02:48 UTC7,706star +4 / 7 天1,077fork同步于 2026-11-10 11:32 UTC

语音合成多语言 TTS 文本转语音

对比 GitHub chinese english french japanese korean

怎么上手

由 README 提炼，执行前请确认

原文

pip install -e .

硬件要求按 README 说明

README 未说明显存要求，但明确支持 CPU 实时推理，因此无 GPU 也能运行；支持的 GPU 厂商与型号未说明。

下载：源码 zip·GitHub Releases（安装包）本站不镜像安装包

项目说明

由 README 自动翻译提炼

没人工点评？写下你的经验

MIT 与 MyShell 开源的多语言高质量 TTS 库，支持中英日韩法西多口音合成

支持中英日韩法西六种语言的高质量语音合成库，适合需要多语种 TTS 能力的应用直接集成。

核心能力

支持中英日韩法西六种语言及多种英语口音
中文说话人支持中英文混合朗读
CPU 上即可实时推理，无需 GPU
提供 Web UI 与 CLI 使用方式
支持在自定义数据集上训练模型

容易踩的坑

安装与使用细节分散在 docs/install.md，需按文档额外准备依赖；模型权重需从 HuggingFace 或仓库下载，非安装即用；训练自定义数据集需参考 docs/training.md 单独配置。

内容由模型根据 README 生成，可能不完整或不准确，以官方文档为准。看原文 README

用户点评

登录用户的真实使用记录，可按版本和硬件筛选

共 0 条

还没有人点评。第一个说出真实体验的人最有价值。

README 原文

未翻译

在 GitHub 打开

Introduction

MeloTTS is a high-quality multi-lingual text-to-speech library by MIT and MyShell.ai. Supported languages include:

Language	Example
English (American)	Link
English (British)	Link
English (Indian)	Link
English (Australian)	Link
English (Default)	Link
Spanish	Link
French	Link
Chinese (mix EN)	Link
Japanese	Link
Korean	Link

Some other features include:

The Chinese speaker supports mixed Chinese and English.
Fast enough for CPU real-time inference.

Usage

The Python API and model cards can be found in this repo or on HuggingFace.

Contributing

If you find this work useful, please consider contributing to this repo.

Many thanks to @fakerybakery for adding the Web UI and CLI part.

Authors

Wenliang Zhao at Tsinghua University
Xumin Yu at Tsinghua University
Zengyi Qin (project lead) at MIT and MyShell

Citation

@software{zhao2024melo,
  author={Zhao, Wenliang and Yu, Xumin and Qin, Zengyi},
  title = {MeloTTS: High-quality Multi-lingual Multi-accent Text-to-Speech},
  url = {https://github.com/myshell-ai/MeloTTS},
  year = {2023}
}

License

This library is under MIT License, which means it is free for both commercial and non-commercial use.

Acknowledgements

This implementation is based on TTS, VITS, VITS2 and Bert-VITS2. We appreciate their awesome work.