[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-coqui-ai--TTS":3,"tool-coqui-ai--TTS":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},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",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":80,"languages":81,"stars":108,"forks":109,"last_commit_at":110,"license":111,"difficulty_score":10,"env_os":112,"env_gpu":113,"env_ram":114,"env_deps":115,"category_tags":129,"github_topics":130,"view_count":150,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":151,"updated_at":152,"faqs":153,"releases":183},2863,"coqui-ai\u002FTTS","TTS","🐸💬 - a deep learning toolkit for Text-to-Speech, battle-tested in research and production","🐸TTS 是一款功能强大的深度学习文本转语音（Text-to-Speech）开源库，旨在将文字自然流畅地转化为逼真的人声。它解决了传统语音合成技术中声音机械生硬、多语言支持不足以及定制门槛高等痛点，让高质量的语音生成变得触手可及。\n\n无论是希望快速集成语音功能的开发者，还是致力于探索前沿算法的研究人员，亦或是需要定制专属声音的数据科学家，🐸TTS 都能提供得力支持。它不仅预置了覆盖全球 1100 多种语言的训练模型，让用户能够即刻上手，还提供了完善的工具链，支持用户利用自有数据训练新模型或对现有模型进行微调，轻松实现特定风格的声音克隆。\n\n在技术亮点方面，🐸TTS 表现卓越。其最新的 ⓍTTSv2 模型支持 16 种语言，并在整体性能上大幅提升，实现了低于 200 毫秒的超低延迟流式输出，极大提升了实时交互体验。此外，它还无缝集成了 🐶Bark、🐢Tortoise 等社区热门模型，并支持调用上千个 Fairseq 模型，展现了极强的兼容性与扩展性。配合丰富的数据集分析与整理工具，🐸TTS 已成为科研与生产环境中备受信赖的语音合成解决方案。","\n## 🐸Coqui.ai News\n- 📣 ⓍTTSv2 is here with 16 languages and better performance across the board.\n- 📣 ⓍTTS fine-tuning code is out. Check the [example recipes](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Ftree\u002Fdev\u002Frecipes\u002Fljspeech).\n- 📣 ⓍTTS can now stream with \u003C200ms latency.\n- 📣 ⓍTTS, our production TTS model that can speak 13 languages, is released [Blog Post](https:\u002F\u002Fcoqui.ai\u002Fblog\u002Ftts\u002Fopen_xtts), [Demo](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Fcoqui\u002Fxtts), [Docs](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Fdev\u002Fmodels\u002Fxtts.html)\n- 📣 [🐶Bark](https:\u002F\u002Fgithub.com\u002Fsuno-ai\u002Fbark) is now available for inference with unconstrained voice cloning. [Docs](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Fdev\u002Fmodels\u002Fbark.html)\n- 📣 You can use [~1100 Fairseq models](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Ffairseq\u002Ftree\u002Fmain\u002Fexamples\u002Fmms) with 🐸TTS.\n- 📣 🐸TTS now supports 🐢Tortoise with faster inference. [Docs](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Fdev\u002Fmodels\u002Ftortoise.html)\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Fstatic.scarf.sh\u002Fa.png?x-pxid=cf317fe7-2188-4721-bc01-124bb5d5dbb2\" \u002F>\n\n## \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcoqui-ai_TTS_readme_3fe49255c63b.png\" height=\"56\"\u002F>\n\n\n**🐸TTS is a library for advanced Text-to-Speech generation.**\n\n🚀 Pretrained models in +1100 languages.\n\n🛠️ Tools for training new models and fine-tuning existing models in any language.\n\n📚 Utilities for dataset analysis and curation.\n______________________________________________________________________\n\n[![Discord](https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F1037326658807533628?color=%239B59B6&label=chat%20on%20discord)](https:\u002F\u002Fdiscord.gg\u002F5eXr5seRrv)\n[![License](\u003Chttps:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-MPL%202.0-brightgreen.svg>)](https:\u002F\u002Fopensource.org\u002Flicenses\u002FMPL-2.0)\n[![PyPI version](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002FTTS.svg)](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002FTTS)\n[![Covenant](https:\u002F\u002Fcamo.githubusercontent.com\u002F7d620efaa3eac1c5b060ece5d6aacfcc8b81a74a04d05cd0398689c01c4463bb\u002F68747470733a2f2f696d672e736869656c64732e696f2f62616467652f436f6e7472696275746f72253230436f76656e616e742d76322e3025323061646f707465642d6666363962342e737667)](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fblob\u002Fmaster\u002FCODE_OF_CONDUCT.md)\n[![Downloads](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcoqui-ai_TTS_readme_0adfd481def8.png)](https:\u002F\u002Fpepy.tech\u002Fproject\u002Ftts)\n[![DOI](https:\u002F\u002Fzenodo.org\u002Fbadge\u002F265612440.svg)](https:\u002F\u002Fzenodo.org\u002Fbadge\u002Flatestdoi\u002F265612440)\n\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Faux_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fdata_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fdocker.yaml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Finference_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fstyle_check.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Ftext_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Ftts_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fvocoder_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fzoo_tests0.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fzoo_tests1.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fzoo_tests2.yml\u002Fbadge.svg)\n[![Docs](\u003Chttps:\u002F\u002Freadthedocs.org\u002Fprojects\u002Ftts\u002Fbadge\u002F?version=latest&style=plastic>)](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Flatest\u002F)\n\n\u003C\u002Fdiv>\n\n______________________________________________________________________\n\n## 💬 Where to ask questions\nPlease use our dedicated channels for questions and discussion. Help is much more valuable if it's shared publicly so that more people can benefit from it.\n\n| Type                            | Platforms                               |\n| ------------------------------- | --------------------------------------- |\n| 🚨 **Bug Reports**              | [GitHub Issue Tracker]                  |\n| 🎁 **Feature Requests & Ideas** | [GitHub Issue Tracker]                  |\n| 👩‍💻 **Usage Questions**          | [GitHub Discussions]                    |\n| 🗯 **General Discussion**       | [GitHub Discussions] or [Discord]   |\n\n[github issue tracker]: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002Ftts\u002Fissues\n[github discussions]: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fdiscussions\n[discord]: https:\u002F\u002Fdiscord.gg\u002F5eXr5seRrv\n[Tutorials and Examples]: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fwiki\u002FTTS-Notebooks-and-Tutorials\n\n\n## 🔗 Links and Resources\n| Type                            | Links                               |\n| ------------------------------- | --------------------------------------- |\n| 💼 **Documentation**              | [ReadTheDocs](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Flatest\u002F)\n| 💾 **Installation**               | [TTS\u002FREADME.md](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Ftree\u002Fdev#installation)|\n| 👩‍💻 **Contributing**               | [CONTRIBUTING.md](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fblob\u002Fmain\u002FCONTRIBUTING.md)|\n| 📌 **Road Map**                   | [Main Development Plans](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fissues\u002F378)\n| 🚀 **Released Models**            | [TTS Releases](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Freleases) and [Experimental Models](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fwiki\u002FExperimental-Released-Models)|\n| 📰 **Papers**                    | [TTS Papers](https:\u002F\u002Fgithub.com\u002Ferogol\u002FTTS-papers)|\n\n\n## 🥇 TTS Performance\n\u003Cp align=\"center\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcoqui-ai_TTS_readme_186b2fc2e06a.png\" width=\"800\" \u002F>\u003C\u002Fp>\n\nUnderlined \"TTS*\" and \"Judy*\" are **internal** 🐸TTS models that are not released open-source. They are here to show the potential. Models prefixed with a dot (.Jofish .Abe and .Janice) are real human voices.\n\n## Features\n- High-performance Deep Learning models for Text2Speech tasks.\n    - Text2Spec models (Tacotron, Tacotron2, Glow-TTS, SpeedySpeech).\n    - Speaker Encoder to compute speaker embeddings efficiently.\n    - Vocoder models (MelGAN, Multiband-MelGAN, GAN-TTS, ParallelWaveGAN, WaveGrad, WaveRNN)\n- Fast and efficient model training.\n- Detailed training logs on the terminal and Tensorboard.\n- Support for Multi-speaker TTS.\n- Efficient, flexible, lightweight but feature complete `Trainer API`.\n- Released and ready-to-use models.\n- Tools to curate Text2Speech datasets under```dataset_analysis```.\n- Utilities to use and test your models.\n- Modular (but not too much) code base enabling easy implementation of new ideas.\n\n## Model Implementations\n### Spectrogram models\n- Tacotron: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1703.10135)\n- Tacotron2: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1712.05884)\n- Glow-TTS: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2005.11129)\n- Speedy-Speech: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2008.03802)\n- Align-TTS: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2003.01950)\n- FastPitch: [paper](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2006.06873.pdf)\n- FastSpeech: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1905.09263)\n- FastSpeech2: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2006.04558)\n- SC-GlowTTS: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.05557)\n- Capacitron: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1906.03402)\n- OverFlow: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2211.06892)\n- Neural HMM TTS: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2108.13320)\n- Delightful TTS: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2110.12612)\n\n### End-to-End Models\n- ⓍTTS: [blog](https:\u002F\u002Fcoqui.ai\u002Fblog\u002Ftts\u002Fopen_xtts)\n- VITS: [paper](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2106.06103)\n- 🐸 YourTTS: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.02418)\n- 🐢 Tortoise: [orig. repo](https:\u002F\u002Fgithub.com\u002Fneonbjb\u002Ftortoise-tts)\n- 🐶 Bark: [orig. repo](https:\u002F\u002Fgithub.com\u002Fsuno-ai\u002Fbark)\n\n### Attention Methods\n- Guided Attention: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1710.08969)\n- Forward Backward Decoding: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1907.09006)\n- Graves Attention: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1910.10288)\n- Double Decoder Consistency: [blog](https:\u002F\u002Ferogol.com\u002Fsolving-attention-problems-of-tts-models-with-double-decoder-consistency\u002F)\n- Dynamic Convolutional Attention: [paper](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1910.10288.pdf)\n- Alignment Network: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2108.10447)\n\n### Speaker Encoder\n- GE2E: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1710.10467)\n- Angular Loss: [paper](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2003.11982.pdf)\n\n### Vocoders\n- MelGAN: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1910.06711)\n- MultiBandMelGAN: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2005.05106)\n- ParallelWaveGAN: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1910.11480)\n- GAN-TTS discriminators: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1909.11646)\n- WaveRNN: [origin](https:\u002F\u002Fgithub.com\u002Ffatchord\u002FWaveRNN\u002F)\n- WaveGrad: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2009.00713)\n- HiFiGAN: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2010.05646)\n- UnivNet: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2106.07889)\n\n### Voice Conversion\n- FreeVC: [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2210.15418)\n\nYou can also help us implement more models.\n\n## Installation\n🐸TTS is tested on Ubuntu 18.04 with **python >= 3.9, \u003C 3.12.**.\n\nIf you are only interested in [synthesizing speech](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Flatest\u002Finference.html) with the released 🐸TTS models, installing from PyPI is the easiest option.\n\n```bash\npip install TTS\n```\n\nIf you plan to code or train models, clone 🐸TTS and install it locally.\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\npip install -e .[all,dev,notebooks]  # Select the relevant extras\n```\n\nIf you are on Ubuntu (Debian), you can also run following commands for installation.\n\n```bash\n$ make system-deps  # intended to be used on Ubuntu (Debian). Let us know if you have a different OS.\n$ make install\n```\n\nIf you are on Windows, 👑@GuyPaddock wrote installation instructions [here](https:\u002F\u002Fstackoverflow.com\u002Fquestions\u002F66726331\u002Fhow-can-i-run-mozilla-tts-coqui-tts-training-with-cuda-on-a-windows-system).\n\n\n## Docker Image\nYou can also try TTS without install with the docker image.\nSimply run the following command and you will be able to run TTS without installing it.\n\n```bash\ndocker run --rm -it -p 5002:5002 --entrypoint \u002Fbin\u002Fbash ghcr.io\u002Fcoqui-ai\u002Ftts-cpu\npython3 TTS\u002Fserver\u002Fserver.py --list_models #To get the list of available models\npython3 TTS\u002Fserver\u002Fserver.py --model_name tts_models\u002Fen\u002Fvctk\u002Fvits # To start a server\n```\n\nYou can then enjoy the TTS server [here](http:\u002F\u002F[::1]:5002\u002F)\nMore details about the docker images (like GPU support) can be found [here](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Flatest\u002Fdocker_images.html)\n\n\n## Synthesizing speech by 🐸TTS\n\n### 🐍 Python API\n\n#### Running a multi-speaker and multi-lingual model\n\n```python\nimport torch\nfrom TTS.api import TTS\n\n# Get device\ndevice = \"cuda\" if torch.cuda.is_available() else \"cpu\"\n\n# List available 🐸TTS models\nprint(TTS().list_models())\n\n# Init TTS\ntts = TTS(\"tts_models\u002Fmultilingual\u002Fmulti-dataset\u002Fxtts_v2\").to(device)\n\n# Run TTS\n# ❗ Since this model is multi-lingual voice cloning model, we must set the target speaker_wav and language\n# Text to speech list of amplitude values as output\nwav = tts.tts(text=\"Hello world!\", speaker_wav=\"my\u002Fcloning\u002Faudio.wav\", language=\"en\")\n# Text to speech to a file\ntts.tts_to_file(text=\"Hello world!\", speaker_wav=\"my\u002Fcloning\u002Faudio.wav\", language=\"en\", file_path=\"output.wav\")\n```\n\n#### Running a single speaker model\n\n```python\n# Init TTS with the target model name\ntts = TTS(model_name=\"tts_models\u002Fde\u002Fthorsten\u002Ftacotron2-DDC\", progress_bar=False).to(device)\n\n# Run TTS\ntts.tts_to_file(text=\"Ich bin eine Testnachricht.\", file_path=OUTPUT_PATH)\n\n# Example voice cloning with YourTTS in English, French and Portuguese\ntts = TTS(model_name=\"tts_models\u002Fmultilingual\u002Fmulti-dataset\u002Fyour_tts\", progress_bar=False).to(device)\ntts.tts_to_file(\"This is voice cloning.\", speaker_wav=\"my\u002Fcloning\u002Faudio.wav\", language=\"en\", file_path=\"output.wav\")\ntts.tts_to_file(\"C'est le clonage de la voix.\", speaker_wav=\"my\u002Fcloning\u002Faudio.wav\", language=\"fr-fr\", file_path=\"output.wav\")\ntts.tts_to_file(\"Isso é clonagem de voz.\", speaker_wav=\"my\u002Fcloning\u002Faudio.wav\", language=\"pt-br\", file_path=\"output.wav\")\n```\n\n#### Example voice conversion\n\nConverting the voice in `source_wav` to the voice of `target_wav`\n\n```python\ntts = TTS(model_name=\"voice_conversion_models\u002Fmultilingual\u002Fvctk\u002Ffreevc24\", progress_bar=False).to(\"cuda\")\ntts.voice_conversion_to_file(source_wav=\"my\u002Fsource.wav\", target_wav=\"my\u002Ftarget.wav\", file_path=\"output.wav\")\n```\n\n#### Example voice cloning together with the voice conversion model.\nThis way, you can clone voices by using any model in 🐸TTS.\n\n```python\n\ntts = TTS(\"tts_models\u002Fde\u002Fthorsten\u002Ftacotron2-DDC\")\ntts.tts_with_vc_to_file(\n    \"Wie sage ich auf Italienisch, dass ich dich liebe?\",\n    speaker_wav=\"target\u002Fspeaker.wav\",\n    file_path=\"output.wav\"\n)\n```\n\n#### Example text to speech using **Fairseq models in ~1100 languages** 🤯.\nFor Fairseq models, use the following name format: `tts_models\u002F\u003Clang-iso_code>\u002Ffairseq\u002Fvits`.\nYou can find the language ISO codes [here](https:\u002F\u002Fdl.fbaipublicfiles.com\u002Fmms\u002Ftts\u002Fall-tts-languages.html)\nand learn about the Fairseq models [here](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Ffairseq\u002Ftree\u002Fmain\u002Fexamples\u002Fmms).\n\n```python\n# TTS with on the fly voice conversion\napi = TTS(\"tts_models\u002Fdeu\u002Ffairseq\u002Fvits\")\napi.tts_with_vc_to_file(\n    \"Wie sage ich auf Italienisch, dass ich dich liebe?\",\n    speaker_wav=\"target\u002Fspeaker.wav\",\n    file_path=\"output.wav\"\n)\n```\n\n### Command-line `tts`\n\n\u003C!-- begin-tts-readme -->\n\nSynthesize speech on command line.\n\nYou can either use your trained model or choose a model from the provided list.\n\nIf you don't specify any models, then it uses LJSpeech based English model.\n\n#### Single Speaker Models\n\n- List provided models:\n\n  ```\n  $ tts --list_models\n  ```\n\n- Get model info (for both tts_models and vocoder_models):\n\n  - Query by type\u002Fname:\n    The model_info_by_name uses the name as it from the --list_models.\n    ```\n    $ tts --model_info_by_name \"\u003Cmodel_type>\u002F\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\"\n    ```\n    For example:\n    ```\n    $ tts --model_info_by_name tts_models\u002Ftr\u002Fcommon-voice\u002Fglow-tts\n    $ tts --model_info_by_name vocoder_models\u002Fen\u002Fljspeech\u002Fhifigan_v2\n    ```\n  - Query by type\u002Fidx:\n    The model_query_idx uses the corresponding idx from --list_models.\n\n    ```\n    $ tts --model_info_by_idx \"\u003Cmodel_type>\u002F\u003Cmodel_query_idx>\"\n    ```\n\n    For example:\n\n    ```\n    $ tts --model_info_by_idx tts_models\u002F3\n    ```\n\n  - Query info for model info by full name:\n    ```\n    $ tts --model_info_by_name \"\u003Cmodel_type>\u002F\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\"\n    ```\n\n- Run TTS with default models:\n\n  ```\n  $ tts --text \"Text for TTS\" --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n- Run TTS and pipe out the generated TTS wav file data:\n\n  ```\n  $ tts --text \"Text for TTS\" --pipe_out --out_path output\u002Fpath\u002Fspeech.wav | aplay\n  ```\n\n- Run a TTS model with its default vocoder model:\n\n  ```\n  $ tts --text \"Text for TTS\" --model_name \"\u003Cmodel_type>\u002F\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\" --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n  For example:\n\n  ```\n  $ tts --text \"Text for TTS\" --model_name \"tts_models\u002Fen\u002Fljspeech\u002Fglow-tts\" --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n- Run with specific TTS and vocoder models from the list:\n\n  ```\n  $ tts --text \"Text for TTS\" --model_name \"\u003Cmodel_type>\u002F\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\" --vocoder_name \"\u003Cmodel_type>\u002F\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\" --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n  For example:\n\n  ```\n  $ tts --text \"Text for TTS\" --model_name \"tts_models\u002Fen\u002Fljspeech\u002Fglow-tts\" --vocoder_name \"vocoder_models\u002Fen\u002Fljspeech\u002Funivnet\" --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n- Run your own TTS model (Using Griffin-Lim Vocoder):\n\n  ```\n  $ tts --text \"Text for TTS\" --model_path path\u002Fto\u002Fmodel.pth --config_path path\u002Fto\u002Fconfig.json --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n- Run your own TTS and Vocoder models:\n\n  ```\n  $ tts --text \"Text for TTS\" --model_path path\u002Fto\u002Fmodel.pth --config_path path\u002Fto\u002Fconfig.json --out_path output\u002Fpath\u002Fspeech.wav\n      --vocoder_path path\u002Fto\u002Fvocoder.pth --vocoder_config_path path\u002Fto\u002Fvocoder_config.json\n  ```\n\n#### Multi-speaker Models\n\n- List the available speakers and choose a \u003Cspeaker_id> among them:\n\n  ```\n  $ tts --model_name \"\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\"  --list_speaker_idxs\n  ```\n\n- Run the multi-speaker TTS model with the target speaker ID:\n\n  ```\n  $ tts --text \"Text for TTS.\" --out_path output\u002Fpath\u002Fspeech.wav --model_name \"\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\"  --speaker_idx \u003Cspeaker_id>\n  ```\n\n- Run your own multi-speaker TTS model:\n\n  ```\n  $ tts --text \"Text for TTS\" --out_path output\u002Fpath\u002Fspeech.wav --model_path path\u002Fto\u002Fmodel.pth --config_path path\u002Fto\u002Fconfig.json --speakers_file_path path\u002Fto\u002Fspeaker.json --speaker_idx \u003Cspeaker_id>\n  ```\n\n### Voice Conversion Models\n\n```\n$ tts --out_path output\u002Fpath\u002Fspeech.wav --model_name \"\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\" --source_wav \u003Cpath\u002Fto\u002Fspeaker\u002Fwav> --target_wav \u003Cpath\u002Fto\u002Freference\u002Fwav>\n```\n\n\u003C!-- end-tts-readme -->\n\n## Directory Structure\n```\n|- notebooks\u002F       (Jupyter Notebooks for model evaluation, parameter selection and data analysis.)\n|- utils\u002F           (common utilities.)\n|- TTS\n    |- bin\u002F             (folder for all the executables.)\n      |- train*.py                  (train your target model.)\n      |- ...\n    |- tts\u002F             (text to speech models)\n        |- layers\u002F          (model layer definitions)\n        |- models\u002F          (model definitions)\n        |- utils\u002F           (model specific utilities.)\n    |- speaker_encoder\u002F (Speaker Encoder models.)\n        |- (same)\n    |- vocoder\u002F         (Vocoder models.)\n        |- (same)\n```\n","## 🐸Coqui.ai 新闻\n- 📣 ⓍTTSv2 已发布，支持16种语言，整体性能更优。\n- 📣 ⓍTTS 微调代码已公开。请查看[示例教程](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Ftree\u002Fdev\u002Frecipes\u002Fljspeech)。\n- 📣 ⓍTTS 现在可以以低于200毫秒的延迟进行流式传输。\n- 📣 ⓍTTS，我们的生产级TTS模型，能够说13种语言，现已发布。[博客文章](https:\u002F\u002Fcoqui.ai\u002Fblog\u002Ftts\u002Fopen_xtts)，[演示](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Fcoqui\u002Fxtts)，[文档](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Fdev\u002Fmodels\u002Fxtts.html)\n- 📣 [🐶Bark](https:\u002F\u002Fgithub.com\u002Fsuno-ai\u002Fbark) 现已可用于推理，并支持无约束的语音克隆。[文档](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Fdev\u002Fmodels\u002Fbark.html)\n- 📣 您可以使用[~1100个Fairseq模型](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Ffairseq\u002Ftree\u002Fmain\u002Fexamples\u002Fmms)与🐸TTS一起使用。\n- 📣 🐸TTS 现在支持🐢Tortoise，且推理速度更快。[文档](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Fdev\u002Fmodels\u002Ftortoise.html)\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Fstatic.scarf.sh\u002Fa.png?x-pxid=cf317fe7-2188-4721-bc01-124bb5d5dbb2\" \u002F>\n\n## \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcoqui-ai_TTS_readme_3fe49255c63b.png\" height=\"56\"\u002F>\n\n\n**🐸TTS 是一个用于高级文本转语音生成的库。**\n\n🚀 预训练模型支持超过1100种语言。\n\n🛠️ 提供工具用于训练新模型以及对任何语言的现有模型进行微调。\n\n📚 提供数据集分析和整理的相关工具。\n______________________________________________________________________\n\n[![Discord](https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F1037326658807533628?color=%239B59B6&label=chat%20on%20discord)](https:\u002F\u002Fdiscord.gg\u002F5eXr5seRrv)\n[![License](\u003Chttps:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-MPL%202.0-brightgreen.svg>)](https:\u002F\u002Fopensource.org\u002Flicenses\u002FMPL-2.0)\n[![PyPI版本](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002FTTS.svg)](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002FTTS)\n[![公约](https:\u002F\u002Fcamo.githubusercontent.com\u002F7d620efaa3eac1c5b060ece5d6aacfcc8b81a74a04d05cd0398689c01c4463bb\u002F68747470733a2f2f696d672e7368696564732e696f2f62616467652f436f6e7472696275746f72253230436f76656e616e742d76322e3025323061646f707465642d666636962342e737667)](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fblob\u002Fmaster\u002FCODE_OF_CONDUCT.md)\n[![下载量](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcoqui-ai_TTS_readme_0adfd481def8.png)](https:\u002F\u002Fpepy.tech\u002Fproject\u002Ftts)\n[![DOI](https:\u002F\u002Fzenodo.org\u002Fbadge\u002F265612440.svg)](https:\u002F\u002Fzenodo.org\u002Fbadge\u002Flatestdoi\u002F265612440)\n\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Faux_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fdata_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fdocker.yaml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Finference_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fstyle_check.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Ftext_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Ftts_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fvocoder_tests.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fzoo_tests0.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fzoo_tests1.yml\u002Fbadge.svg)\n![GithubActions](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Factions\u002Fworkflows\u002Fzoo_tests2.yml\u002Fbadge.svg)\n[![文档](\u003Chttps:\u002F\u002Freadthedocs.org\u002Fprojects\u002Ftts\u002Fbadge\u002F?version=latest&style=plastic>)](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Flatest\u002F)\n\n\u003C\u002Fdiv>\n\n______________________________________________________________________\n\n## 💬 咨询渠道\n请使用我们专门的渠道进行提问和讨论。公开分享的帮助更有价值，这样更多人可以从中受益。\n\n| 类型                            | 平台                               |\n| ------------------------------- | --------------------------------------- |\n| 🚨 **Bug报告**              | [GitHub问题追踪器]                  |\n| 🎁 **功能请求与建议** | [GitHub问题追踪器]                  |\n| 👩‍💻 **使用问题**          | [GitHub讨论区]                    |\n| 🗯 **一般讨论**       | [GitHub讨论区]或[Discord]   |\n\n[github issue tracker]: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002Ftts\u002Fissues\n[github discussions]: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fdiscussions\n[discord]: https:\u002F\u002Fdiscord.gg\u002F5eXr5seRrv\n[教程和示例]: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fwiki\u002FTTS-Notebooks-and-Tutorials\n\n\n## 🔗 链接和资源\n| 类型                            | 链接                               |\n| ------------------------------- | --------------------------------------- |\n| 💼 **文档**              | [ReadTheDocs](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Flatest\u002F)\n| 💾 **安装**               | [TTS\u002FREADME.md](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Ftree\u002Fdev#installation)|\n| 👩‍💻 **贡献**               | [CONTRIBUTING.md](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fblob\u002Fmain\u002FCONTRIBUTING.md)|\n| 📌 **路线图**                   | [主要开发计划](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fissues\u002F378)\n| 🚀 **已发布的模型**            | [TTS发布](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Freleases) 和 [实验性模型](https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fwiki\u002FExperimental-Released-Models)|\n| 📰 **论文**                    | [TTS论文](https:\u002F\u002Fgithub.com\u002Ferogol\u002FTTS-papers)|\n\n\n## 🥇 TTS性能\n\u003Cp align=\"center\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcoqui-ai_TTS_readme_186b2fc2e06a.png\" width=\"800\" \u002F>\u003C\u002Fp>\n\n带下划线的“TTS*”和“Judy*”是**内部**的🐸TTS模型，尚未开源。它们旨在展示潜在能力。以点号开头的模型（.Jofish、.Abe 和 .Janice）则是真实的人类声音。\n\n## 特性\n- 用于文本转语音任务的高性能深度学习模型。\n    - 文本转频谱模型（Tacotron、Tacotron2、Glow-TTS、SpeedySpeech）。\n    - 发言人编码器，可高效计算发言人的嵌入向量。\n    - 声码器模型（MelGAN、Multiband-MelGAN、GAN-TTS、ParallelWaveGAN、WaveGrad、WaveRNN）\n- 快速高效的模型训练。\n- 在终端和Tensorboard上提供详细的训练日志。\n- 支持多说话人TTS。\n- 高效、灵活、轻量但功能齐全的`Trainer API`。\n- 已发布并可直接使用的模型。\n- 提供工具来整理文本转语音数据集，位于```dataset_analysis```模块中。\n- 提供工具来使用和测试您的模型。\n- 模块化（但不过分）的代码库，便于实现新想法。\n\n## 模型实现\n\n### 声谱图模型\n- Tacotron：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1703.10135)\n- Tacotron2：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1712.05884)\n- Glow-TTS：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2005.11129)\n- Speedy-Speech：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2008.03802)\n- Align-TTS：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2003.01950)\n- FastPitch：[论文](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2006.06873.pdf)\n- FastSpeech：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1905.09263)\n- FastSpeech2：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2006.04558)\n- SC-GlowTTS：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.05557)\n- Capacitron：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1906.03402)\n- OverFlow：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2211.06892)\n- Neural HMM TTS：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2108.13320)\n- Delightful TTS：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2110.12612)\n\n### 端到端模型\n- ⓍTTS：[博客](https:\u002F\u002Fcoqui.ai\u002Fblog\u002Ftts\u002Fopen_xtts)\n- VITS：[论文](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2106.06103)\n- 🐸 YourTTS：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.02418)\n- 🐢 Tortoise：[原始仓库](https:\u002F\u002Fgithub.com\u002Fneonbjb\u002Ftortoise-tts)\n- 🐶 Bark：[原始仓库](https:\u002F\u002Fgithub.com\u002Fsuno-ai\u002Fbark)\n\n### 注意力机制\n- 引导式注意力：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1710.08969)\n- 前向后向解码：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1907.09006)\n- 格雷夫斯注意力：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1910.10288)\n- 双解码器一致性：[博客](https:\u002F\u002Ferogol.com\u002Fsolving-attention-problems-of-tts-models-with-double-decoder-consistency\u002F)\n- 动态卷积注意力：[论文](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1910.10288.pdf)\n- 对齐网络：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2108.10447)\n\n### 发言人编码器\n- GE2E：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1710.10467)\n- 角度损失：[论文](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2003.11982.pdf)\n\n### 语音合成器\n- MelGAN：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1910.06711)\n- MultiBandMelGAN：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2005.05106)\n- ParallelWaveGAN：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1910.11480)\n- GAN-TTS 判别器：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1909.11646)\n- WaveRNN：[源代码](https:\u002F\u002Fgithub.com\u002Ffatchord\u002FWaveRNN\u002F)\n- WaveGrad：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2009.00713)\n- HiFiGAN：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2010.05646)\n- UnivNet：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2106.07889)\n\n### 语音转换\n- FreeVC：[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2210.15418)\n\n您也可以帮助我们实现更多模型。\n\n## 安装\n🐸TTS 已在 Ubuntu 18.04 上测试，要求 **Python >= 3.9, \u003C 3.12**。\n\n如果您只对使用发布的 🐸TTS 模型进行 [语音合成](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Flatest\u002Finference.html) 感兴趣，那么从 PyPI 安装是最简单的方式。\n\n```bash\npip install TTS\n```\n\n如果您计划编写代码或训练模型，请克隆 🐸TTS 并在本地安装。\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\npip install -e .[all,dev,notebooks]  # 选择相关的附加组件\n```\n\n如果您使用的是 Ubuntu (Debian)，也可以运行以下命令进行安装。\n\n```bash\n$ make system-deps  # 适用于 Ubuntu (Debian)。如果您使用其他操作系统，请告知我们。\n$ make install\n```\n\n如果您使用的是 Windows，👑@GuyPaddock 编写了安装说明 [在这里](https:\u002F\u002Fstackoverflow.com\u002Fquestions\u002F66726331\u002Fhow-can-i-run-mozilla-tts-coqui-tts-training-with-cuda-on-a-windows-system)。\n\n## Docker 镜像\n您也可以通过 Docker 镜像无需安装即可试用 TTS。只需运行以下命令，您就可以在不安装的情况下运行 TTS。\n\n```bash\ndocker run --rm -it -p 5002:5002 --entrypoint \u002Fbin\u002Fbash ghcr.io\u002Fcoqui-ai\u002Ftts-cpu\npython3 TTS\u002Fserver\u002Fserver.py --list_models # 获取可用模型列表\npython3 TTS\u002Fserver\u002Fserver.py --model_name tts_models\u002Fen\u002Fvctk\u002Fvits # 启动服务器\n```\n\n然后您可以在 [这里](http:\u002F\u002F[::1]:5002\u002F) 享受 TTS 服务。有关 Docker 镜像的更多详细信息（例如 GPU 支持）可以参见 [这里](https:\u002F\u002Ftts.readthedocs.io\u002Fen\u002Flatest\u002Fdocker_images.html)。\n\n## 使用 🐸TTS 进行语音合成\n\n### 🐍 Python API\n\n#### 运行多说话者和多语言模型\n\n```python\nimport torch\nfrom TTS.api import TTS\n\n# 获取设备\ndevice = \"cuda\" if torch.cuda.is_available() else \"cpu\"\n\n# 列出可用的 🐸TTS 模型\nprint(TTS().list_models())\n\n# 初始化 TTS\ntts = TTS(\"tts_models\u002Fmultilingual\u002Fmulti-dataset\u002Fxtts_v2\").to(device)\n\n# 运行 TTS\n# ❗ 由于此模型是多语言语音克隆模型，我们必须设置目标说话人音频文件和语言\n# 输出为幅度值列表的文本转语音\nwav = tts.tts(text=\"Hello world!\", speaker_wav=\"my\u002Fcloning\u002Faudio.wav\", language=\"en\")\n# 文本转语音并保存为文件\ntts.tts_to_file(text=\"Hello world!\", speaker_wav=\"my\u002Fcloning\u002Faudio.wav\", language=\"en\", file_path=\"output.wav\")\n```\n\n#### 运行单说话者模型\n\n```python\n# 使用目标模型名称初始化 TTS\ntts = TTS(model_name=\"tts_models\u002Fde\u002Fthorsten\u002Ftacotron2-DDC\", progress_bar=False).to(device)\n\n# 运行 TTS\ntts.tts_to_file(text=\"Ich bin eine Testnachricht.\", file_path=OUTPUT_PATH)\n\n# 使用 YourTTS 进行英语、法语和葡萄牙语的语音克隆示例\ntts = TTS(model_name=\"tts_models\u002Fmultilingual\u002Fmulti-dataset\u002Fyour_tts\", progress_bar=False).to(device)\ntts.tts_to_file(\"This is voice cloning.\", speaker_wav=\"my\u002Fcloning\u002Faudio.wav\", language=\"en\", file_path=\"output.wav\")\ntts.tts_to_file(\"C'est le clonage de la voix.\", speaker_wav=\"my\u002Fcloning\u002Faudio.wav\", language=\"fr-fr\", file_path=\"output.wav\")\ntts.tts_to_file(\"Isso é clonagem de voz.\", speaker_wav=\"my\u002Fcloning\u002Faudio.wav\", language=\"pt-br\", file_path=\"output.wav\")\n```\n\n#### 语音转换示例\n\n将 `source_wav` 中的声音转换为 `target_wav` 的声音\n\n```python\ntts = TTS(model_name=\"voice_conversion_models\u002Fmultilingual\u002Fvctk\u002Ffreevc24\", progress_bar=False).to(\"cuda\")\ntts.voice_conversion_to_file(source_wav=\"my\u002Fsource.wav\", target_wav=\"my\u002Ftarget.wav\", file_path=\"output.wav\")\n```\n\n#### 结合语音转换模型进行语音克隆示例。\n这样，您可以使用 🐸TTS 中的任何模型来克隆语音。\n\n```python\ntts = TTS(\"tts_models\u002Fde\u002Fthorsten\u002Ftacotron2-DDC\")\ntts.tts_with_vc_to_file(\n    \"Wie sage ich auf Italienisch, dass ich dich liebe?\",\n    speaker_wav=\"target\u002Fspeaker.wav\",\n    file_path=\"output.wav\"\n)\n```\n\n#### 使用 **Fairseq 模型在 ~1100 种语言中** 进行文本转语音的示例 🤯。\n对于 Fairseq 模型，使用以下命名格式：`tts_models\u002F\u003Clang-iso_code>\u002Ffairseq\u002Fvits`。您可以在此处找到语言 ISO 代码 [这里](https:\u002F\u002Fdl.fbaipublicfiles.com\u002Fmms\u002Ftts\u002Fall-tts-languages.html)，并在此处了解 Fairseq 模型 [这里](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Ffairseq\u002Ftree\u002Fmain\u002Fexamples\u002Fmms)。\n\n```python\n# 具有即时语音转换功能的 TTS\napi = TTS(\"tts_models\u002Fdeu\u002Ffairseq\u002Fvits\")\napi.tts_with_vc_to_file(\n    \"Wie sage ich auf Italienisch, dass ich dich liebe?\",\n    speaker_wav=\"target\u002Fspeaker.wav\",\n    file_path=\"output.wav\"\n)\n```\n\n### 命令行 `tts`\n\n\u003C!-- begin-tts-readme -->\n\n在命令行中合成语音。\n\n您可以使用自己训练的模型，也可以从提供的列表中选择一个模型。\n\n如果您未指定任何模型，则会使用基于 LJSpeech 的英语模型。\n\n#### 单说话人模型\n\n- 列出提供的模型：\n\n  ```\n  $ tts --list_models\n  ```\n\n- 获取模型信息（适用于 tts_models 和 vocoder_models）：\n\n  - 按类型\u002F名称查询：\n    model_info_by_name 使用 --list_models 中显示的名称。\n    ```\n    $ tts --model_info_by_name \"\u003Cmodel_type>\u002F\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\"\n    ```\n    例如：\n    ```\n    $ tts --model_info_by_name tts_models\u002Ftr\u002Fcommon-voice\u002Fglow-tts\n    $ tts --model_info_by_name vocoder_models\u002Fen\u002Fljspeech\u002Fhifigan_v2\n    ```\n  - 按类型\u002F索引查询：\n    model_query_idx 使用 --list_models 中对应的索引。\n    ```\n    $ tts --model_info_by_idx \"\u003Cmodel_type>\u002F\u003Cmodel_query_idx>\"\n    ```\n    例如：\n    ```\n    $ tts --model_info_by_idx tts_models\u002F3\n    ```\n  - 按完整名称查询模型信息：\n    ```\n    $ tts --model_info_by_name \"\u003Cmodel_type>\u002F\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\"\n    ```\n\n- 使用默认模型运行 TTS：\n\n  ```\n  $ tts --text \"Text for TTS\" --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n- 运行 TTS 并将生成的 TTS 音频数据直接输出到管道：\n\n  ```\n  $ tts --text \"Text for TTS\" --pipe_out --out_path output\u002Fpath\u002Fspeech.wav | aplay\n  ```\n\n- 使用 TTS 模型及其默认声码器模型运行：\n\n  ```\n  $ tts --text \"Text for TTS\" --model_name \"\u003Cmodel_type>\u002F\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\" --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n  例如：\n  ```\n  $ tts --text \"Text for TTS\" --model_name \"tts_models\u002Fen\u002Fljspeech\u002Fglow-tts\" --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n- 使用列表中的特定 TTS 和声码器模型运行：\n\n  ```\n  $ tts --text \"Text for TTS\" --model_name \"\u003Cmodel_type>\u002F\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\" --vocoder_name \"\u003Cmodel_type>\u002F\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\" --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n  例如：\n  ```\n  $ tts --text \"Text for TTS\" --model_name \"tts_models\u002Fen\u002Fljspeech\u002Fglow-tts\" --vocoder_name \"vocoder_models\u002Fen\u002Fljspeech\u002Funivnet\" --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n- 运用自己的 TTS 模型（使用 Griffin-Lim 声码器）：\n\n  ```\n  $ tts --text \"Text for TTS\" --model_path path\u002Fto\u002Fmodel.pth --config_path path\u002Fto\u002Fconfig.json --out_path output\u002Fpath\u002Fspeech.wav\n  ```\n\n- 运用自己的 TTS 和声码器模型：\n\n  ```\n  $ tts --text \"Text for TTS\" --model_path path\u002Fto\u002Fmodel.pth --config_path path\u002Fto\u002Fconfig.json --out_path output\u002Fpath\u002Fspeech.wav\n      --vocoder_path path\u002Fto\u002Fvocoder.pth --vocoder_config_path path\u002Fto\u002Fvocoder_config.json\n  ```\n\n#### 多说话人模型\n\n- 列出可用的说话人并从中选择一个 \u003Cspeaker_id>：\n\n  ```\n  $ tts --model_name \"\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\"  --list_speaker_idxs\n  ```\n\n- 使用目标说话人 ID 运行多说话人 TTS 模型：\n\n  ```\n  $ tts --text \"Text for TTS.\" --out_path output\u002Fpath\u002Fspeech.wav --model_name \"\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\"  --speaker_idx \u003Cspeaker_id>\n  ```\n\n- 运用自己的多说话人 TTS 模型：\n\n  ```\n  $ tts --text \"Text for TTS\" --out_path output\u002Fpath\u002Fspeech.wav --model_path path\u002Fto\u002Fmodel.pth --config_path path\u002Fto\u002Fconfig.json --speakers_file_path path\u002Fto\u002Fspeaker.json --speaker_idx \u003Cspeaker_id>\n  ```\n\n### 语音转换模型\n\n```\n$ tts --out_path output\u002Fpath\u002Fspeech.wav --model_name \"\u003Clanguage>\u002F\u003Cdataset>\u002F\u003Cmodel_name>\" --source_wav \u003Cpath\u002Fto\u002Fspeaker\u002Fwav> --target_wav \u003Cpath\u002Fto\u002Freference\u002Fwav>\n```\n\n\u003C!-- end-tts-readme -->\n\n## 目录结构\n```\n|- notebooks\u002F       (用于模型评估、参数选择和数据分析的 Jupyter 笔记本。)\n|- utils\u002F           (通用工具。)\n|- TTS\n    |- bin\u002F             (所有可执行文件的文件夹。)\n      |- train*.py                  (训练您的目标模型。)\n      |- ...\n    |- tts\u002F             (文本转语音模型)\n        |- layers\u002F          (模型层定义)\n        |- models\u002F          (模型定义)\n        |- utils\u002F           (模型专用工具。)\n    |- speaker_encoder\u002F (说话人编码器模型。)\n        |- (同上)\n    |- vocoder\u002F         (声码器模型。)\n        |- (同上)\n```","# 🐸 TTS 快速上手指南\n\n🐸TTS 是一个用于高级文本转语音（Text-to-Speech）生成的开源库，支持超过 1100 种语言的预训练模型，并提供强大的声音克隆和多说话人合成功能。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: 推荐 Ubuntu 18.04+ 或 Debian（Windows 用户需参考特定配置，macOS 部分支持）。\n*   **Python 版本**: `3.9` \u003C= Python \u003C `3.12`。\n*   **硬件加速 (可选)**: 如需 GPU 加速推理或训练，请确保已安装正确的 NVIDIA 驱动和 CUDA Toolkit。\n*   **依赖项**: 建议更新 `pip` 和 `setuptools` 到最新版本。\n\n> **国内开发者提示**：如果遇到下载依赖包速度慢的问题，建议在安装命令中指定清华或阿里镜像源。\n\n## 安装步骤\n\n根据您的使用需求，选择以下一种安装方式：\n\n### 方式一：仅用于语音合成（推荐）\n如果您只需要使用官方发布的预训练模型进行推理，这是最快捷的方式。\n\n```bash\n# 使用默认源\npip install TTS\n\n# 或使用国内镜像源加速（推荐）\npip install TTS -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n### 方式二：本地开发与训练\n如果您计划修改代码、训练新模型或使用最新开发版功能，请克隆仓库并进行本地安装。\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\ncd TTS\n\n# 安装完整依赖（包含开发工具和 Notebook 支持）\npip install -e .[all,dev,notebooks]\n\n# 或在 Ubuntu\u002FDebian 上使用脚本自动安装系统级依赖\nmake system-deps\nmake install\n```\n\n### 方式三：Docker 免安装体验\n如果您不想配置本地环境，可以直接使用 Docker 运行。\n\n```bash\ndocker run --rm -it -p 5002:5002 --entrypoint \u002Fbin\u002Fbash ghcr.io\u002Fcoqui-ai\u002Ftts-cpu\n```\n\n## 基本使用\n\n安装完成后，您可以通过 Python API 快速开始语音合成。以下是最常用的两种场景。\n\n### 1. 快速合成（单说话人模型）\n适用于标准文本朗读，无需提供参考音频。\n\n```python\nimport torch\nfrom TTS.api import TTS\n\n# 检测设备，优先使用 CUDA\ndevice = \"cuda\" if torch.cuda.is_available() else \"cpu\"\n\n# 初始化模型 (以德语 Tacotron2 模型为例)\ntts = TTS(model_name=\"tts_models\u002Fde\u002Fthorsten\u002Ftacotron2-DDC\", progress_bar=False).to(device)\n\n# 执行合成并保存为文件\ntts.tts_to_file(text=\"Ich bin eine Testnachricht.\", file_path=\"output.wav\")\n```\n\n### 2. 声音克隆（多语言\u002F多说话人）\n使用 **XTTS v2** 模型，只需提供一段简短的参考音频，即可用该声音合成多种语言的文本。\n\n```python\nimport torch\nfrom TTS.api import TTS\n\ndevice = \"cuda\" if torch.cuda.is_available() else \"cpu\"\n\n# 初始化 XTTS v2 模型\ntts = TTS(\"tts_models\u002Fmultilingual\u002Fmulti-dataset\u002Fxtts_v2\").to(device)\n\n# 执行声音克隆\n# speaker_wav: 参考音频路径 (用于提取音色)\n# language: 目标语言代码 (如 \"en\", \"zh-cn\", \"ja\" 等)\ntts.tts_to_file(\n    text=\"Hello world! This is voice cloning.\", \n    speaker_wav=\"my\u002Fcloning\u002Faudio.wav\", \n    language=\"en\", \n    file_path=\"cloned_output.wav\"\n)\n```\n\n### 3. 启动 Web 服务器\nTTS 内置了一个简单的 Web 界面，方便直接在浏览器中测试模型。\n\n```bash\n# 列出可用模型\npython3 -m TTS.server.server --list_models\n\n# 启动服务器 (示例：启动英文 VITS 模型)\npython3 -m TTS.server.server --model_name tts_models\u002Fen\u002Fvctk\u002Fvits\n```\n启动后，访问 `http:\u002F\u002Flocalhost:5002` 即可在浏览器中进行交互测试。","一家专注于多语言教育科技的公司，正试图为一款面向全球儿童的互动绘本应用快速生成高质量的旁白语音。\n\n### 没有 TTS 时\n- **多语言支持成本极高**：每增加一种新语言（如西班牙语或日语），都需要聘请专业配音演员录制，导致本地化周期长达数周且预算飙升。\n- **声音表现力单一**：传统合成语音机械感重，缺乏情感起伏，无法根据故事情节调整语气，难以吸引儿童注意力。\n- **迭代更新困难**：一旦绘本内容需要微调（如修改台词），必须重新预约录音棚和人员，无法实现即时更新。\n- **延迟问题严重**：尝试使用其他开源方案时，推理速度过慢，导致在低端设备上播放语音时出现明显卡顿，破坏互动体验。\n\n### 使用 TTS 后\n- **一键覆盖全球市场**：利用 TTS 预训练的 1100 多种语言模型及 XTTS 功能，团队仅需输入文本即可瞬间生成地道的外语旁白，将新语言上线时间从数周缩短至几分钟。\n- **情感丰富且自然**：借助深度学习能力，TTS 生成的语音具备逼真的停顿和情感色彩，甚至能通过少量样本克隆特定角色音色，让故事讲述栩栩如生。\n- **实时动态生成**：得益于低于 200ms 的流式推理延迟，应用可根据孩子的互动选择实时生成对应台词，实现了真正的动态叙事体验。\n- **灵活微调与部署**：开发团队利用提供的微调工具，针对儿童内容优化了发音风格，并轻松将模型集成到生产环境中，大幅降低了维护成本。\n\nTTS 通过其强大的多语言预训练模型和低延迟推理能力，将语音内容的生产成本降低了 90%，同时让全球儿童都能享受到富有情感的个性化故事体验。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcoqui-ai_TTS_3fe49255.png","coqui-ai","coqui","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fcoqui-ai_1a73797a.png","Coqui, a startup providing open speech tech for everyone 🐸",null,"https:\u002F\u002Fgithub.com\u002Fcoqui-ai",[82,86,90,94,98,101,105],{"name":83,"color":84,"percentage":85},"Python","#3572A5",92,{"name":87,"color":88,"percentage":89},"Jupyter Notebook","#DA5B0B",7.5,{"name":91,"color":92,"percentage":93},"HTML","#e34c26",0.3,{"name":95,"color":96,"percentage":97},"Shell","#89e051",0.1,{"name":99,"color":100,"percentage":97},"Makefile","#427819",{"name":102,"color":103,"percentage":104},"Cython","#fedf5b",0,{"name":106,"color":107,"percentage":104},"Dockerfile","#384d54",44971,6021,"2026-04-03T14:47:02","MPL-2.0","Linux (Ubuntu 18.04+), Windows, macOS","非必需（支持 CPU 推理，Docker 有 CPU 镜像）。若需训练或使用高性能模型，建议使用 NVIDIA GPU。具体显存和 CUDA 版本未在文中明确说明，但依赖 PyTorch CUDA 支持。","未说明",{"notes":116,"python":117,"dependencies":118},"1. 在 Ubuntu\u002FDebian 上可通过 'make system-deps' 安装系统级依赖。2. Windows 用户需参考外部链接进行特殊配置以支持 CUDA。3. 提供 Docker 镜像（含 CPU 和 GPU 版本）以便无需本地安装即可运行。4. 支持超过 1100 种语言的预训练模型。5. 包含多种模型架构（如 XTTS, VITS, Bark, Tortoise 等），不同模型对资源需求差异较大。",">=3.9, \u003C3.12",[119,120,121,122,123,124,125,126,127,128],"torch","numpy","scipy","librosa","pydub","soundfile","flask","gradio","pandas","matplotlib",[55,13,14],[131,132,133,134,135,136,137,138,139,140,141,142,143,144,145,146,147,148,149],"python","text-to-speech","deep-learning","speech","pytorch","tts","vocoder","tacotron","glow-tts","melgan","speaker-encoder","hifigan","speaker-encodings","multi-speaker-tts","tts-model","speech-synthesis","voice-cloning","voice-synthesis","voice-conversion",10,"2026-03-27T02:49:30.150509","2026-04-06T08:42:03.020317",[154,159,164,169,173,178],{"id":155,"question_zh":156,"answer_zh":157,"source_url":158},13234,"Coqui AI 公司倒闭后，我还能继续使用他们的代码和模型吗？","可以。您仍然可以在遵守许可条款的前提下使用现有的代码和模型。此外，社区维护了一个分支（fork）：https:\u002F\u002Fgithub.com\u002Fidiap\u002Fcoqui-ai-TTS，该分支包含许多错误修复和其他小型更新，建议用户迁移至此分支以获取持续支持。","https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fissues\u002F378",{"id":160,"question_zh":161,"answer_zh":162,"source_url":163},13235,"Coqui 关闭后，XTTS 模型的许可证会变更为更宽松的协议（如 Apache 2.0 或 MIT）吗？","不会变更为开源协议。但是，目前的许可证允许商业使用以及模型的训练和微调（fine-tuning）。如果您需要替代方案，社区中有开发者重新架构并训练了等效模型，但需注意这些替代模型可能并非完全开源。","https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fissues\u002F3490",{"id":165,"question_zh":166,"answer_zh":167,"source_url":168},13236,"微调 XTTS v2 时，模型对短文本（1-3 个词）产生幻觉或发音不准，如何解决？","建议尝试以下方法：\n1. 在数据集中增加更多短音频样本。\n2. 尝试在微调 GPT 模型之前先微调 DVAE 模型，这可能解决该问题。\n3. 虽然可以将 GPT 配置中的 `min_conditioning_length` 改小（如 0.5s），但这可能会破坏模型的语音克隆能力，需谨慎使用。\n4. 微调 HiFi-GAN 通常不是必须的步骤。","https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fissues\u002F3704",{"id":170,"question_zh":171,"answer_zh":172,"source_url":168},13237,"XTTS v2 是否需要按照 DVAE -> GPT -> HiFi-GAN 的顺序分三个阶段进行微调？","不一定需要完整的三阶段流程。根据社区经验：\n1. HiFi-GAN 的微调通常不是必须的。\n2. 建议在微调 GPT 模型之前先微调 DVAE 模型，这有助于提高稳定性。\n3. 如果只是为了适应特定口音或风格，直接微调 GPT 模型并配合高质量数据往往也能取得不错效果，无需过度复杂的流程。",{"id":174,"question_zh":175,"answer_zh":176,"source_url":177},13238,"TTS 项目目前支持 SSML（语音合成标记语言）来控制情感或多角色对话吗？","目前不支持 SSML，也没有明确的开发时间表，除非有社区贡献者主动提交相关代码。当前版本无法通过标签直接控制情感（如喜悦、悲伤）或在输入文本中切换不同说话人。","https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fissues\u002F752",{"id":179,"question_zh":180,"answer_zh":181,"source_url":182},13239,"使用 VITS 模型进行语音转换时报错 'Expected tensor for argument #1 indices to have scalar types Long, Int; but got torch.FloatTensor' 怎么办？","该错误通常是因为输入张量的数据类型不正确。确保传递给嵌入层（embedding）的索引张量是 `Long` 或 `Int` 类型，而不是 `Float` 类型。检查数据加载部分，确认 speaker ID 或文本索引在转换为 Tensor 时使用了 `.long()` 或 `.int()` 方法，例如：`tensor = tensor.long()`。","https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fissues\u002F1672",[184,189,194,199,204,209,214,219,224,229,234,239,244,249,254,259,264,269,274,279],{"id":185,"version":186,"summary_zh":187,"released_at":188},71915,"v0.22.0","## 变更内容\n* 修复：Tortoise 文档中的少量错别字。由 @VladCuciureanu 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3352 中完成。\n* 修复中文语音的停顿问题。由 @aaron-lii 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3351 中完成。\n* 修复错别字。由 @omahs 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3368 中完成。\n* 打印商业许可证或 CPML 许可证的相关消息。由 @JRMeyer 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3381 中完成。\n* 添加推理参数。由 @WeberJulian 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3373 中完成。\n* 使用外部说话人嵌入训练 FastSpeech2。由 @freds0 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3404 中完成。\n* 修复一个错别字。由 @joelhoward0 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3392 中完成。\n* 支持 XTTS 的多 GPU 训练。由 @aaron-lii 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3391 中完成。\n* 将录音室配音员加入开源 XTTS！由 @WeberJulian 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3405 中完成。\n\n## 新贡献者\n* @VladCuciureanu 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3352 中完成了首次贡献。\n* @aaron-lii 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3351 中完成了首次贡献。\n* @omahs 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3368 中完成了首次贡献。\n* @JRMeyer 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3381 中完成了首次贡献。\n* @freds0 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3404 中完成了首次贡献。\n* @joelhoward0 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3392 中完成了首次贡献。\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.21.3...v0.22.0","2023-12-12T15:11:16",{"id":190,"version":191,"summary_zh":192,"released_at":193},71916,"v0.21.3","## 变更内容\n* @Edresson 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3296 中添加了 XTTS 微调的 Gradio 示例。\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.21.2...v0.21.3\n\n## 无代码 XTTS 微调\n\n我们开发了一个用户界面，您可以使用它来利用您的数据对 XTTS 进行微调。您可以在 Colab、本地或服务器上运行它。\n\n@WeberJulian 还录制了一段 [分步教程视频](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=8tpDiiouGxc&feature=youtu.be)。\n\n如果您更喜欢通过阅读文档学习，也可以参考 XTTS 的官方文档。","2023-12-01T22:57:47",{"id":195,"version":196,"summary_zh":197,"released_at":198},71917,"v0.21.2","## 变更内容\n* 通过直接指定模型名称和版本来运行 XTTS 模型，由 @erogol 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3318 中实现。\n* 修复：正确地去除和恢复文本开头的标点符号，由 @eginhard 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3336 中完成。\n* 修复安装说明的链接，由 @Vuizur 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3329 中完成。\n\n## 新贡献者\n* @Vuizur 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3329 中完成了他们的首次贡献。\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.21.1...v0.21.2\n\n\n此 PR 允许使用版本标签运行 XTTS 模型。因此，用户可以访问任意所需的版本。\n\n```python\nfrom TTS.api import TTS\n\n# 获取 v2.0.2 版本\ntts = TTS(model_name=\"xtts_v2.0.2\", gpu=True)\n\n# 获取最新版本\ntts = TTS(model_name=\"xtts\", gpu=True)\n\n# 使用默认设置克隆声音生成语音\ntts.tts_to_file(text=\"这是我的示例文本。\",\n                file_path=\"output.wav\",\n                speaker_wav=[\"reference.wav\", \"reference1.wav\"],\n                language=\"en\")\n```\n\n\n现在自动句子拆分成为可选功能。这样，您可以在将文本传递给模型之前，应用任何自定义逻辑进行处理。只需将 `split_sentences` 设置为 `False` 即可。\n\n```python\nfrom TTS.api import TTS\n\n# 获取 v2.0.2 版本\ntts = TTS(model_name=\"xtts_v2.0.2\", gpu=True)\n\n# 使用默认设置克隆声音生成语音\ntts.tts_to_file(text=\"这是我的示例文本。\",\n                file_path=\"output.wav\",\n                speaker_wav=[\"reference.wav\", \"reference1.wav\"],\n                language=\"en\",\n                split_sentences=False)\n```","2023-11-30T12:05:43",{"id":200,"version":201,"summary_zh":202,"released_at":203},71918,"v0.21.1","- 添加了一个基础的印地语文本清理工具。https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcommit\u002F32065139e713b3e44aa88e72c4d35012bb888238","2023-11-24T14:17:44",{"id":205,"version":206,"summary_zh":207,"released_at":208},71919,"v0.21.0","## 变更内容\n* @eginhard 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3243 中移除了重复或未使用的代码。\n* @FlorianEagox 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3297 中使 Model Manager 的进度条可以通过类静态访问。\n* @eginhard 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3294 中为错误的 --language 参数提供了更具信息量的错误提示。\n* @eginhard 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3286 中避免将引号传递给 espeak。\n* @eginhard 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3275 中修复了 tts_with_vc 功能。\n* @TITC 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3273 中修复了通过 model_path 加载多语言模型时 `is_multi_lingual` 的误判问题。\n* @Kaszanas 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3263 中引入了开发用 Dockerfile。\n* @WeberJulian 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3281 中更新了 DeepSpeed 版本。\n\n## 新贡献者\n* @FlorianEagox 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3297 中做出了首次贡献。\n* @TITC 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3273 中做出了首次贡献。\n* @Kaszanas 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3263 中做出了首次贡献。\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.20.6...v0.21.0","2023-11-24T13:38:01",{"id":210,"version":211,"summary_zh":212,"released_at":213},71920,"v0.20.6","## 变更内容\n* 移除重复的 AudioProcessor 代码，并由 @eginhard 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3230 中修复 ExtractTTSpectrogram.ipynb 文件。\n* 添加句子拆分功能，由 @WeberJulian 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3227 中实现。\n* 修复中文相关问题，由 @WeberJulian 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3238 中完成。\n* 更新版本号，由 @erogol 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3248 中完成。\n* 确保在 XTTS GPT 训练过程中仅 GPT 模型处于训练模式，由 @Edresson 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3241 中实现。\n* 放宽依赖项要求，并使 k_diffusion 成为可选依赖，由 @erogol 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3249 中完成。\n* 更新 XTTS v2.0.2，由 @erogol 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3249 中完成。\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.20.5...v0.20.6","2023-11-17T14:47:43",{"id":215,"version":216,"summary_zh":217,"released_at":218},71921,"v0.20.5","## 变更内容\n* 由 @WeberJulian 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3214 中添加了推理速度控制功能\n* 由 @eltociear 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3215 中更新了 README.md 文件\n* 由 @Edresson 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3216 中修复了 XTTS GPT 的填充和推理问题\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.20.4...v0.20.5","2023-11-15T14:34:56",{"id":220,"version":221,"summary_zh":222,"released_at":223},71922,"v0.20.4","## 变更内容\n* 由 @erogol 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3207 中更新了 XTTS 克隆功能\n* 由 @WeberJulian 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3208 中修复了 XTTS 的最大生成长度问题\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.20.3...v0.20.4","2023-11-13T18:33:11",{"id":225,"version":226,"summary_zh":227,"released_at":228},71923,"v0.20.3","## 变更内容\n* XTTS- Torchaudio 应使用正确的后端来加载音频，由 @gorkemgoknar 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3179 中提出\n* PyTorch 2.1 更新（权重归一化和 TorchAudio I\u002FO），由 @MattyB95 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3176 中提出\n* xtts\u002Ftokenizer：合并 preprocess_text 的重复实现，由 @akx 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3170 中提出\n* 修复（格式化程序）：设置缺失的 root_path 属性，由 @eginhard 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3182 中提出\n\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.20.2...v0.20.3","2023-11-10T11:00:39",{"id":230,"version":231,"summary_zh":232,"released_at":233},71924,"v0.20.2","## 变更内容\n* @WeberJulian 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3130 中添加了字符数限制警告。\n* @erogol 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3168 中修复了 Coqui API。\n* @erogol 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3169 中修复了 #3153 问题。\n* @akx 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3126 中将 FreeVCConfig 移动到 TTS.vc.configs 模块（与其他配置类保持一致）。\n* @eginhard 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3128 中修复了 ModelManager.list_models() 方法。\n* @gorkemgoknar 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3160 中修复了在流式传输最后一个数据块时抛出的异常。\n* @WeberJulian 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3158 中为 XTTS 文档添加了语言代码。\n* @WeberJulian 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3172 中移除了 v1 版本的相关文档和测试。\n\n## 新贡献者\n* @eginhard 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3128 中完成了首次贡献。\n* @gorkemgoknar 在 https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3160 中完成了首次贡献。\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.20.1...v0.20.2","2023-11-08T15:08:59",{"id":235,"version":236,"summary_zh":237,"released_at":238},71925,"v0.20.1","## What's Changed\r\n* Drop diffusion from XTTS by @erogol in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3150\r\n* Bug fixes and add support for multiples speaker references on XTTS inference by @Edresson in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3149\r\n* Fix XTTS v2.0 training recipe by @Edresson in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3154\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.20.0...v0.20.1","2023-11-07T13:18:27",{"id":240,"version":241,"summary_zh":242,"released_at":243},71926,"v0.20.0","## What's Changed\r\n* Run `make style` & re-enable it in CI by @akx in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3127\r\n* XTTS v2.0 by @Edresson in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3137\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.19.1...v0.20.0","2023-11-06T14:53:07",{"id":245,"version":246,"summary_zh":247,"released_at":248},71927,"v0.19.1","## What's Changed\r\n* Second round of issue fixing for XTTS v1.1 by @WeberJulian in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3103\r\n* fix for issue 3067 by @Aya-AlJafari in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3109\r\n* Bug: self.model_name needed to be initialized. by @vltmedia in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F2983\r\n\r\n## New Contributors\r\n* @vltmedia made their first contribution in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F2983\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.19.0...v0.19.1","2023-10-30T09:40:13",{"id":250,"version":251,"summary_zh":252,"released_at":253},71928,"v0.19.0","## What's Changed\r\n* XTTS v1.1 GPT Trainer by @Edresson in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3086\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.18.2...v0.19.0","2023-10-25T12:28:24",{"id":255,"version":256,"summary_zh":257,"released_at":258},71929,"v0.18.2","## What's Changed\r\n* Fix xtts v1.1 by @WeberJulian in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3096\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.18.1...v0.18.2","2023-10-21T15:30:26",{"id":260,"version":261,"summary_zh":262,"released_at":263},71930,"v0.18.1","## What's Changed\r\n* Bug fix on XTTS v1.1 inference by @Edresson and @WeberJulian in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3093\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.18.0...v0.18.1","2023-10-20T20:37:26",{"id":265,"version":266,"summary_zh":267,"released_at":268},71931,"v0.18.0","## What's Changed\r\n* XTTS v1.1 by @WeberJulian in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3089\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.17.10...v0.18.0\r\n\r\n# XTTS v1.1\r\n\r\nThis model is trained on top of XTTS v1, using output masking. We mask the part of the output that is used as the audio prompt while training and don't compute loss for that segment. This helps us to resolve the hallucination issue that V1 experienced. \r\n\r\n## Changes \r\n- Add Japanese \r\n- Resolve the hallucination issue (repeating the audio prompt)\r\n- Increased expressivity \r\n- Hash check to control model version\r\n- Added `ne_hifigan` that was trained without denoising that brought some EQ and compression profile that might be unwanted for some use-cases","2023-10-20T14:05:19",{"id":270,"version":271,"summary_zh":272,"released_at":273},71932,"v0.17.10","**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.17.9...v0.17.10","2023-10-19T10:01:17",{"id":275,"version":276,"summary_zh":277,"released_at":278},71933,"v0.17.9","## What's Changed\r\n* fixed bugs in fastpitch tts synthesis by @Aya-AlJafari in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3058\r\n* Update AnalyzeDataset.ipynb by @meryemsakin in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F2783\r\n* Synthesizer skips over embeddings file if model only has one speaker by @wonkothesanest in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F2587\r\n* fixed typo of docs\\source\\implementing_a_new_model.md by @Subash-Lamichhane in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3066\r\n* fixed typo of \u002Fdocs by @Subash-Lamichhane in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3065\r\n* Add play and speed to cli options by @David-bfg in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3027\r\n* Fix doc dataset by @WeberJulian in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3070\r\n* fix readme by @WeberJulian in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3071\r\n\r\n## New Contributors\r\n* @meryemsakin made their first contribution in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F2783\r\n* @wonkothesanest made their first contribution in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F2587\r\n* @Subash-Lamichhane made their first contribution in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3066\r\n* @David-bfg made their first contribution in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3027\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.17.8...v0.17.9","2023-10-19T09:23:18",{"id":280,"version":281,"summary_zh":282,"released_at":283},71934,"v0.17.8","## What's Changed\r\n* XTTS redownload if needed by @Edresson in https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fpull\u002F3038\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Fcoqui-ai\u002FTTS\u002Fcompare\u002Fv0.17.7...v0.17.8","2023-10-06T22:19:31"]