[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-FireRedTeam--FireRedTTS":3,"tool-FireRedTeam--FireRedTTS":61},[4,18,26,36,44,52],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",144730,2,"2026-04-07T23:26:32",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,60],"视频",{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":75,"owner_email":75,"owner_twitter":75,"owner_website":75,"owner_url":76,"languages":77,"stars":82,"forks":83,"last_commit_at":84,"license":85,"difficulty_score":10,"env_os":86,"env_gpu":87,"env_ram":86,"env_deps":88,"category_tags":96,"github_topics":98,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":108,"updated_at":109,"faqs":110,"releases":140},5486,"FireRedTeam\u002FFireRedTTS","FireRedTTS","An Open-Sourced LLM-empowered Foundation TTS System","FireRedTTS 是一款开源的、由大语言模型（LLM）驱动的基础文本转语音系统，旨在生成高度自然且富有表现力的人声。它有效解决了传统语音合成在零样本声音克隆场景下音色还原度低、情感表达生硬以及长文本稳定性不足的问题，让用户仅需一段简短的参考音频，即可复刻特定说话人的音色并合成流畅语音。\n\n该工具特别适合 AI 研究人员、开发者以及对语音技术有深度需求的产品团队使用。通过集成自回归架构与最新的流匹配（Flow-Matching）解码器，FireRedTTS 不仅支持实时流式输出，还显著提升了合成音频的清晰度和连贯性。系统借鉴了 Tortoise-tts、XTTS-v2 等前沿项目的优势，并在中文语境下进行了专门优化，能够精准处理复杂的文本韵律。需要注意的是，虽然其具备强大的声音克隆能力，但官方明确建议仅将其用于学术研究或合法合规的场景，严禁用于任何非法用途。无论是构建智能对话助手、有声书制作，还是探索多模态交互，FireRedTTS 都提供了一个灵活且高性能的技术基座。","\u003Cdiv align=\"center\">\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FFireRedTeam_FireRedTTS_readme_941a6214e06a.png\" width=\"300px\">\n\u003C\u002Fp>\n\n\u003Ch1>FireRedTTS-1S: An Upgraded Streamable Foundation\nText-to-Speech System\u003C\u002Fh1>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FFireRedTeam_FireRedTTS_readme_d531c24c033e.png\">\n\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n#### 👉🏻 [FireRedTTS-1S Paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2503.20499) 👈🏻\n\n#### 👉🏻 [FireRedTTS-1S Demos](https:\u002F\u002Ffireredteam.github.io\u002Fdemos\u002Ffirered_tts_1s\u002F) 👈🏻\n\n##### ⚠️ Note: The current branch is `FireRedtts-1s`. To access `FireRedtts-1`, please switch to the `FireRedtts-1` branch\n\n## News\n\n- [2025\u002F05\u002F26] 🔥 We add flow-mathing decoder and update the [technical report](https:\u002F\u002Farxiv.org\u002Fabs\u002F2503.20499)\n- [2025\u002F03\u002F25] 🔥 We release the [technical report](https:\u002F\u002Farxiv.org\u002Fabs\u002F2503.20499) and [project page](https:\u002F\u002Ffireredteam.github.io\u002Fdemos\u002Ffirered_tts_1s\u002F)\n\n## Roadmap\n\n- [x] 2025\u002F04\n  - [x] Release the pre-trained checkpoints and inference code.\n  \n## Usage\n\n#### Clone and install\n\n- Clone the repo\n\n```shell\nhttps:\u002F\u002Fgithub.com\u002FFireRedTeam\u002FFireRedTTS.git\ncd FireRedTTS\n```\n\n- Create conda env\n\n```shell\n# step1.create env\nconda create --name redtts python=3.10\n\n# stpe2.install torch （pytorch should match the cuda-version on your machine）\n# CUDA 11.8\nconda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidia\n# CUDA 12.1\nconda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=12.1 -c pytorch -c nvidia\n\n# step3.install fireredtts form source\ncd fireredtts\npip install -e . \n\n# step4.install other requirements\npip install -r requirements.txt\n```\n\n#### Download models\n\nDownload the required model files from [**Model_Lists**](https:\u002F\u002Fhuggingface.co\u002FFireRedTeam\u002FFireRedTTS-1S\u002Ftree\u002Fmain) and place them in the folder `pretrained_models`\n\n#### Basic Usage\n\n```python\nimport os\nimport torchaudio![alt text](image.png)\nfrom fireredtts.fireredtts import FireRedTTS\n\n# acoustic llm decoder\ntts = FireRedTTS(\n        config_path=\"configs\u002Fconfig_24k.json\",\n        pretrained_path=\u003Cpretrained_models_dir>,\n  )\n\n\n\"\"\"\n# flow matching decoder\ntts = FireRedTTS(\n        config_path=\"configs\u002Fconfig_24k_flow.json\",\n        pretrained_path=\u003Cpretrained_models_dir>,\n)\n\"\"\"\n\n#same language\n# For the test-hard evaluation, we enabled the use_tn=True configuration setting.\nrec_wavs = tts.synthesize(\n  prompt_wav=\"examples\u002Fprompt_1.wav\",\n  prompt_text=\"对，所以说你现在的话，这个账单的话，你既然说能处理，那你就想办法处理掉。\",\n  text=\"小红书，是中国大陆的网络购物和社交平台，成立于二零一三年六月。\",\n  lang=\"zh\",\n  use_tn=True\n)\n\n\n\n\nrec_wavs = rec_wavs.detach().cpu()\nout_wav_path = os.path.join(\".\u002Fexample.wav\")\ntorchaudio.save(out_wav_path, rec_wavs, 24000)\n\n```\n\n## Tips\n\n- The reference audio should not be too long or too short; a duration of 3 to 10 seconds is recommended.\n- The reference audio should be smooth and natural, and the accompanying text must be accurate to enhance the stability and naturalness of the synthesized audio.\n\n## Acknowledgements\n\n- [**Tortoise-tts**](https:\u002F\u002Fgithub.com\u002Fneonbjb\u002Ftortoise-tts) and [**XTTS-v2**](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS) offer invaluable insights for constructing an autoregressive-style system.\n\n- We referred to [**fish-speech**](https:\u002F\u002Fgithub.com\u002Ffishaudio\u002Ffish-speech) text tokenizer solution.\n\n- We referred to [**BigCodec**](https:\u002F\u002Fgithub.com\u002FAria-K-Alethia\u002FBigCodec) speech codec solution.\n\n- We referred to [**Encodec**](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fencodec) causal convolution solution.\n\n- We referred to [**SpeechBrain**](https:\u002F\u002Fgithub.com\u002Fspeechbrain\u002Fspeechbrain) ECAPA-TDNN solution.\n\n- We referred to [**ChineseSpeechPretrain**](https:\u002F\u002Fgithub.com\u002FTencentGameMate\u002Fchinese_speech_pretrain) HuBERT model.\n\n## ⚠️ Usage Disclaimer ❗️❗️❗️❗️❗️❗️\n\n- The project incorporates zero-shot voice cloning functionality; Please note that this capability is intended **solely for academic research purposes**.\n- **DO NOT** use this model for **ANY illegal activities**❗️❗️❗️❗️❗️❗️\n- The developers assume no liability for any misuse of this model.\n- If you identify any instances of **abuse**, **misuse**, or **fraudulent** activities related to this project, **please report them to our team immediately.**\n","\u003Cdiv align=\"center\">\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FFireRedTeam_FireRedTTS_readme_941a6214e06a.png\" width=\"300px\">\n\u003C\u002Fp>\n\n\u003Ch1>FireRedTTS-1S：升级版可流式传输的基础文本转语音系统\u003C\u002Fh1>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FFireRedTeam_FireRedTTS_readme_d531c24c033e.png\">\n\u003C\u002Fp>\n\u003C\u002Fdiv>\n\n#### 👉🏻 [FireRedTTS-1S 论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2503.20499) 👈🏻\n\n#### 👉🏻 [FireRedTTS-1S 演示](https:\u002F\u002Ffireredteam.github.io\u002Fdemos\u002Ffirered_tts_1s\u002F) 👈🏻\n\n##### ⚠️ 注意：当前分支为 `FireRedtts-1s`。如需访问 `FireRedtts-1`，请切换至 `FireRedtts-1` 分支。\n\n## 最新动态\n\n- [2025\u002F05\u002F26] 🔥 我们添加了流匹配解码器，并更新了[技术报告](https:\u002F\u002Farxiv.org\u002Fabs\u002F2503.20499)。\n- [2025\u002F03\u002F25] 🔥 我们发布了[技术报告](https:\u002F\u002Farxiv.org\u002Fabs\u002F2503.20499)和[项目页面](https:\u002F\u002Ffireredteam.github.io\u002Fdemos\u002Ffirered_tts_1s\u002F)。\n\n## 路线图\n\n- [x] 2025\u002F04\n  - [x] 发布预训练检查点和推理代码。\n\n## 使用方法\n\n#### 克隆与安装\n\n- 克隆仓库\n\n```shell\nhttps:\u002F\u002Fgithub.com\u002FFireRedTeam\u002FFireRedTTS.git\ncd FireRedTTS\n```\n\n- 创建 Conda 环境\n\n```shell\n# 步骤1：创建环境\nconda create --name redtts python=3.10\n\n# 步骤2：安装 PyTorch（PyTorch 版本需与您机器上的 CUDA 版本匹配）\n# CUDA 11.8\nconda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidia\n# CUDA 12.1\nconda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=12.1 -c pytorch -c nvidia\n\n# 步骤3：从源码安装 FireRedTTS\ncd fireredtts\npip install -e . \n\n# 步骤4：安装其他依赖\npip install -r requirements.txt\n```\n\n#### 下载模型\n\n从[**Model_Lists**](https:\u002F\u002Fhuggingface.co\u002FFireRedTeam\u002FFireRedTTS-1S\u002Ftree\u002Fmain)下载所需的模型文件，并将其放置在 `pretrained_models` 文件夹中。\n\n#### 基本用法\n\n```python\nimport os\nimport torchaudio![alt text](image.png)\nfrom fireredtts.fireredtts import FireRedTTS\n\n# 声学 LLM 解码器\ntts = FireRedTTS(\n        config_path=\"configs\u002Fconfig_24k.json\",\n        pretrained_path=\u003Cpretrained_models_dir>,\n  )\n\n\n\"\"\"\n# 流匹配解码器\ntts = FireRedTTS(\n        config_path=\"configs\u002Fconfig_24k_flow.json\",\n        pretrained_path=\u003Cpretrained_models_dir>,\n)\n\"\"\"\n\n# 同语言\n# 为了测试评估的严格性，我们启用了 use_tn=True 配置选项。\nrec_wavs = tts.synthesize(\n  prompt_wav=\"examples\u002Fprompt_1.wav\",\n  prompt_text=\"对，所以说你现在的话，这个账单的话，你既然说能处理，那你就想办法处理掉。\",\n  text=\"小红书，是中国大陆的网络购物和社交平台，成立于二零一三年六月。\",\n  lang=\"zh\",\n  use_tn=True\n)\n\n\n\n\nrec_wavs = rec_wavs.detach().cpu()\nout_wav_path = os.path.join(\".\u002Fexample.wav\")\ntorchaudio.save(out_wav_path, rec_wavs, 24000)\n\n```\n\n## 使用提示\n\n- 参考音频不宜过长或过短，建议时长为 3 至 10 秒。\n- 参考音频应流畅自然，且配套文本必须准确，以提升合成音频的稳定性和自然度。\n\n## 致谢\n\n- [**Tortoise-tts**](https:\u002F\u002Fgithub.com\u002Fneonbjb\u002Ftortoise-tts) 和 [**XTTS-v2**](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS) 为我们构建自回归风格的系统提供了宝贵的见解。\n- 我们参考了 [**fish-speech**](https:\u002F\u002Fgithub.com\u002Ffishaudio\u002Ffish-speech) 的文本分词方案。\n- 我们参考了 [**BigCodec**](https:\u002F\u002Fgithub.com\u002FAria-K-Alethia\u002FBigCodec) 的语音编解码方案。\n- 我们参考了 [**Encodec**](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fencodec) 的因果卷积方案。\n- 我们参考了 [**SpeechBrain**](https:\u002F\u002Fgithub.com\u002Fspeechbrain\u002Fspeechbrain) 的 ECAPA-TDNN 方案。\n- 我们参考了 [**ChineseSpeechPretrain**](https:\u002F\u002Fgithub.com\u002FTencentGameMate\u002Fchinese_speech_pretrain) 的 HuBERT 模型。\n\n## ⚠️ 使用免责声明 ❗️❗️❗️❗️❗️❗️\n\n- 本项目包含零样本语音克隆功能；请注意，此功能仅用于**学术研究目的**。\n- **严禁**将本模型用于**任何非法活动**❗️❗️❗️❗️❗️❗️\n- 开发者对本模型的任何滥用行为不承担任何责任。\n- 如您发现与本项目相关的**滥用**、**误用**或**欺诈**行为，请**立即向我们团队报告**。","# FireRedTTS-1S 快速上手指南\n\nFireRedTTS-1S 是一个升级版的可流式基础文本转语音（TTS）系统，支持零样本语音克隆。本指南将帮助中国开发者快速完成环境搭建与基础推理。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**: Linux 或 Windows (推荐 Linux)\n*   **Python 版本**: 3.10\n*   **GPU 驱动**: 已安装 NVIDIA 驱动，并确认 CUDA 版本（支持 CUDA 11.8 或 12.1）\n*   **包管理工具**: 已安装 `conda` 和 `git`\n\n## 安装步骤\n\n### 1. 克隆项目代码\n\n```shell\ngit clone https:\u002F\u002Fgithub.com\u002FFireRedTeam\u002FFireRedTTS.git\ncd FireRedTTS\n```\n\n> **注意**：当前默认分支为 `FireRedtts-1s`。如需使用旧版 `FireRedtts-1`，请切换分支。\n\n### 2. 创建并激活 Conda 环境\n\n```shell\nconda create --name redtts python=3.10\nconda activate redtts\n```\n\n### 3. 安装 PyTorch\n\n请根据您本地的 CUDA 版本选择对应的安装命令：\n\n**方案 A：CUDA 11.8**\n```shell\nconda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidia\n```\n\n**方案 B：CUDA 12.1**\n```shell\nconda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=12.1 -c pytorch -c nvidia\n```\n\n*(国内用户若下载缓慢，可尝试添加清华源 `-c https:\u002F\u002Fmirrors.tuna.tsinghua.edu.cn\u002Fanaconda\u002Fcloud\u002Fpytorch\u002F`)*\n\n### 4. 安装 FireRedTTS 及依赖\n\n```shell\ncd fireredtts\npip install -e .\npip install -r requirements.txt\n```\n\n### 5. 下载预训练模型\n\n从 [HuggingFace Model Lists](https:\u002F\u002Fhuggingface.co\u002FFireRedTeam\u002FFireRedTTS-1S\u002Ftree\u002Fmain) 下载所需的模型文件，并将其放置在项目根目录下的 `pretrained_models` 文件夹中。\n\n## 基本使用\n\n以下是最基础的中文语音合成示例。该示例使用参考音频（Prompt）来克隆音色，并生成目标文本的语音。\n\n```python\nimport os\nimport torchaudio\nfrom fireredtts.fireredtts import FireRedTTS\n\n# 初始化模型 (使用 acoustic llm decoder)\n# 请将 \u003Cpretrained_models_dir> 替换为您的实际模型路径，例如 \".\u002Fpretrained_models\"\ntts = FireRedTTS(\n        config_path=\"configs\u002Fconfig_24k.json\",\n        pretrained_path=\"\u003Cpretrained_models_dir>\",\n)\n\n\"\"\"\n# 如果使用 flow matching decoder，请使用以下配置:\ntts = FireRedTTS(\n        config_path=\"configs\u002Fconfig_24k_flow.json\",\n        pretrained_path=\"\u003Cpretrained_models_dir>\",\n)\n\"\"\"\n\n# 执行语音合成\n# prompt_wav: 参考音频路径 (建议时长 3-10 秒，声音清晰自然)\n# prompt_text: 参考音频对应的文字内容\n# text: 需要合成的目标文字\n# lang: 语言代码 (\"zh\" 代表中文)\n# use_tn: 是否启用文本正则化 (测试集评估时建议开启)\nrec_wavs = tts.synthesize(\n  prompt_wav=\"examples\u002Fprompt_1.wav\",\n  prompt_text=\"对，所以说你现在的话，这个账单的话，你既然说能处理，那你就想办法处理掉。\",\n  text=\"小红书，是中国大陆的网络购物和社交平台，成立于二零一三年六月。\",\n  lang=\"zh\",\n  use_tn=True\n)\n\n# 保存生成的音频\nrec_wavs = rec_wavs.detach().cpu()\nout_wav_path = os.path.join(\".\u002Fexample.wav\")\ntorchaudio.save(out_wav_path, rec_wavs, 24000)\n\nprint(f\"音频已保存至：{out_wav_path}\")\n```\n\n### 💡 使用小贴士\n*   **参考音频**：时长建议控制在 **3 到 10 秒** 之间。过短或过长可能影响效果。\n*   **音质要求**：参考音频应流畅自然，且提供的对应文本必须准确，这将直接决定合成语音的稳定性和自然度。\n*   **免责声明**：本项目包含零样本语音克隆功能，**仅限学术研究使用**。严禁用于任何非法活动、欺诈或滥用行为。","某有声书制作团队急需将大量中文小说章节快速转化为音频，同时要求保留主角独特的嗓音特质以维持听众的沉浸感。\n\n### 没有 FireRedTTS 时\n- **音色割裂严重**：传统 TTS 引擎无法精准复刻参考音源，导致旁白与角色对话音色不统一，听众极易出戏。\n- **情感表达僵硬**：生成的语音语调平淡机械，难以还原原文中“焦急”、“讽刺”等细腻的情绪变化，需人工后期逐句调整。\n- **长文本稳定性差**：在处理长篇段落时，模型容易出现发音错误或节奏混乱，导致重录率极高，严重拖慢出版进度。\n- **零样本克隆门槛高**：若要定制特定主播声音，通常需要采集数小时数据进行长时间训练，无法满足“即拿即用”的紧急需求。\n\n### 使用 FireRedTTS 后\n- **高保真音色复刻**：仅需 3 至 10 秒的主角录音作为提示（Prompt），FireRedTTS 即可通过零样本克隆技术，让整本书的叙述都完美贴合该角色声线。\n- **LLM 驱动的情感演绎**：依托大语言模型能力，系统能自动理解上下文语境，生动还原“想办法处理掉”等复杂句式中的语气起伏，无需额外调优。\n- **流式生成稳定高效**：升级后的流式架构支持长文本连续合成，发音清晰且节奏自然，大幅减少了人工审听和返工的时间成本。\n- **即时部署灵活调用**：团队可直接加载预训练权重，通过简单的 Python 代码即可批量转换章节，实现了从“文本”到“成品音频”的分钟级交付。\n\nFireRedTTS 通过大模型赋能的零样本语音克隆技术，彻底解决了有声内容生产中音色定制难、情感表达弱的核心痛点，让高质量音频创作变得像打字一样简单。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FFireRedTeam_FireRedTTS_815d1b94.png","FireRedTeam","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FFireRedTeam_5699dc7e.png","小红书Super Intelligence部门下属基础算法实验室， Xiaohongshu Super Intelligence fundamental technology lab",null,"https:\u002F\u002Fgithub.com\u002FFireRedTeam",[78],{"name":79,"color":80,"percentage":81},"Python","#3572A5",100,906,83,"2026-04-08T05:07:00","MPL-2.0","未说明","需要 NVIDIA GPU，需安装与机器匹配的 CUDA 版本（支持 CUDA 11.8 或 12.1），显存大小未说明",{"notes":89,"python":90,"dependencies":91},"建议使用 conda 创建虚拟环境。需手动从 Hugging Face 下载预训练模型文件并放置于 'pretrained_models' 文件夹。参考音频建议时长为 3 到 10 秒，且需清晰自然。该项目包含零样本语音克隆功能，仅限学术研究使用，严禁用于非法活动。","3.10",[92,93,94,95],"torch==2.3.1","torchvision==0.18.1","torchaudio==2.3.1","pytorch-cuda",[35,15,97],"音频",[99,100,101,102,103,104,105,106,107],"diffusion","flow-matching","gan","language-model","speech","speech-synthesis","text-to-speech","tts","voice-clone","2026-03-27T02:49:30.150509","2026-04-08T19:11:18.671177",[111,116,121,126,131,136],{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},24905,"生成长文本时出现吞字、漏字或鬼畜现象怎么办？","该问题通常是因为文本前端未加入自动切句功能，导致超长文本超过模型处理极限。解决方案是：1. 更新到最新的模型和代码版本；2. 在输入前手动将长文本按句子切分后再进行合成。维护者表示已在新版中优化了文本前端并加强了稳定性。","https:\u002F\u002Fgithub.com\u002FFireRedTeam\u002FFireRedTTS\u002Fissues\u002F6",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},24906,"生成的音频语速过快或长句输出不合理如何解决？","这是因为默认配置未对超长文本进行切分。请尝试将长文本手动分割成较短的句子后再分别合成。维护者确认分句问题已在新版代码中解决，并提供了测试音频证明切分后效果正常。","https:\u002F\u002Fgithub.com\u002FFireRedTeam\u002FFireRedTTS\u002Fissues\u002F4",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},24907,"遇到特殊符号（如《》、&*%$#^）发音错误或短文本重复\u002F乱码怎么办？","这是由于训练语料中特殊标点类型较少以及短文本稳定性不足导致的。解决方法是：1. 更新至最新模型版本，新版本已增强了对短文本的支持并修复了重复问题；2. 对于特殊符号，建议暂时移除不发音的符号或在文本预处理阶段过滤掉它们，后续版本将进一步加强文本前端以忽略此类符号。","https:\u002F\u002Fgithub.com\u002FFireRedTeam\u002FFireRedTTS\u002Fissues\u002F7",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},24908,"为什么生成的短音频末尾会出现重复内容（如“你们好！你们好！”）？","这是旧版本模型在处理短句子时的已知缺陷。请更新仓库代码并使用最新模型，新版已专门优化了对短句子的支持，该问题已被修复。","https:\u002F\u002Fgithub.com\u002FFireRedTeam\u002FFireRedTTS\u002Fissues\u002F15",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},24909,"项目是否开源了语义感知语音分词器（Semantic-Aware Speech Tokenizer）及微调代码？","截至目前，项目中尚未开源语义感知语音分词器及其预训练模型，也没有开放完整的微调代码。多个用户已提出需求，但维护者暂未发布相关资源。如有进一步计划，请关注官方更新。","https:\u002F\u002Fgithub.com\u002FFireRedTeam\u002FFireRedTTS\u002Fissues\u002F3",{"id":137,"question_zh":138,"answer_zh":139,"source_url":125},24910,"目前支持的音频采样率是多少？是否有更高采样率的计划？","当前开源模型仅支持 24kHz 的音频合成。关于支持 48kHz 高采样率模型的建议，维护者已确认将其列入开发议程，将在未来版本中考虑实现。",[]]