[译文]15个开源文本转语音(TTS) 工具

已于 2023-05-13 23:50:47 修改
阅读量8.9k 收藏 36
点赞数 5
CC 4.0 BY-SA版权
分类专栏： # 语音识别asr与语音合成STT 文章标签： 语音识别 人工智能
于 2023-05-10 15:22:49 首次发布
原文链接：https://medevel.com/14-os-text-to-speech/
本文列举了15个开源的文本转语音工具，包括MARYTTS、Kaldi、OpenTTS和eSpeak等，这些工具支持多种语言，适用于各种平台，对于无障碍访问和内容创作有重大意义。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

[译文]15个开源文本转语音(TTS) 工具

前言

本文翻译自2022年5月份的文章：15 Open-source Text To Speech TTS Apps and Libraries。

注意：

  • 本文是对1年前的这篇文章的译文，存在时差问题，并不代表最新的TTS技术
  • 本清单所提到的App和类库对中文是否支持还有待考证

目录

文章目录

什么是“文本转语音”(TTS)?

“文本转语音” 或者说 “语音合成” 是一种从文本中生成听起来像人类的语音，可以识别单词并形成人类语音。

1968 年，日本电工实验室的Noriko Umeda 等人向世界介绍了第一个文本转语音系统。

1961 年，物理学家小约翰·拉里·凯利 (John Larry Kelly, Jr) 和他的同事路易斯·格斯特曼 (Louis Gerstman) 使用 IBM 704 计算机合成语音，这是贝尔实验室历史上最著名的事件之一。

TTS的好处？

OpenTTS: Open Text to Speech ServerOpenTTS: 开源文本到语音服务器

这项技术的主要优势是有视觉和阅读障碍的人，因为他们是它的第一批用户。

如今，许多 YouTube 频道都使用这项技术来最大限度地减少编辑并提高产量。

在许多现代操作系统中，文本到语音是一种内置的辅助功能，可以帮助那些无法轻松阅读屏幕文本的人。

关于这份清单

在本文中，我们为您提供了一系列免费的开源文本转语音 (TTS) 和语音合成应用程序。 您还可以找到一个新的更新列表，以获取更多[基于 Web 的开源 TTS 应用程序和服务](https://medevel.com/free-tts /).

1- MARY TTS

MARY TTS 是一个用纯 java 编写的开源、多语言文本到语音合成系统。 它适用于 Windows、Linux 和 macOS。

2- Kaldi

Kaldi 是一个用 C++ 编写的语音识别工具包，并在 Apache License v2.0 下获得许可。源代码可在 [GitHub](https://github.com/kaldi-asr/kaldi）。

Kaldi 可以在 Windows、Linux 和 macOS 上运行。 它还可以在 Android、PowerPC 和 Web Assembly 上运行。

3- OpenTTS

OpenTTS 是一个用 Python 编写的免费、开源的 TTS 服务。 它是根据麻省理工学院许可证(MIT)发布的。 它支持多种语言，并带有易于使用的界面。 此外，它还带有许多替代库。

支持的语言：英语 (27)、德语 (7)、法语 (3)、西班牙语 (2)、荷兰语 (4)、俄语 (3)、瑞典语 (1)、意大利语 (2)、斯瓦希里语 (1)、芬兰语、 韩语、日语、中文、瑞典语等。

4- eSpeak

eSpeak 是一个紧凑的开源软件语音合成器，适用于 Linux 和 Windows，适用于英语和其他语言。 它支持多种语言，并附带许多有用的功能，这使其成为许多用户的理想选择。

支持语言

南非荷兰语、阿尔巴尼亚语、阿拉贡语、亚美尼亚语、保加利亚语、粤语、加泰罗尼亚语、克罗地亚语、捷克语、丹麦语、荷兰语、英语、世界语、爱沙尼亚语、波斯语、芬兰语、法语、格鲁吉亚语、德语、希腊语、印地语、匈牙利语、冰岛语、印度尼西亚语、爱尔兰语、 意大利语、卡纳达语、库尔德语、拉脱维亚语、立陶宛语、逻辑语、马其顿语、马来西亚语、马拉雅拉姆语、普通话、尼泊尔语、挪威语、波兰语、葡萄牙语、旁遮普语、罗马尼亚语、俄语、塞尔维亚语、斯洛伐克语、西班牙语、斯瓦希里语、瑞典语、泰米尔语、土耳其语、越南语、 威尔士语。

5- Text To Speech Converter

这个 开源项目 允许您通过将文本复制并粘贴到其简单的界面中，轻松地将任何文本转换为语音。 它是用 C# 编程语言编写的，目前可以在 Windows 上运行。

6- ONLINE TTS

在线 TTS 是一个简单的 HTML/JavaScript 项目，可将您的英文文本变成令人生畏的演讲。

在线 TTS 具有简单的快捷方式和干净的用户界面。

7- Flite

Flite 是一个小型、快速的运行时合成[库](https://github.com/ festvox/flite) 适用于嵌入式系统和服务器。 核心 Flite 库由 Alan W Black awb@cs.cmu.edu（主要是在他所谓的业余时间）开发，而 受雇于卡内基梅隆大学语言技术研究所。

Flite 支持 Windows、Linux、macOS、Android、FreeBSD 和其他几个系统。

8- Julius

Julius 是一个开源的大词汇量连续语音识别引擎。

It 是一款面向语音相关研究人员和开发人员的高性能、小占用空间大词汇量连续语音识别 (LVCSR) 解码器软件。 基于单词 N-gram 和上下文相关的 HMM。

9- Athena

Athena 是一个基于sequence-to-sequence的语音处理引擎的开源实现

Athena功能

基于混合注意力/CTC 的端到端 ASR

  • 语音转换器

  • 无监督预训练

  • 使用 Horovod 在一台机器或多台机器上进行多 GPU 训练

  • 基于 Tacotron2 的端到端 TTS，支持多扬声器和 GST

  • 基于 Transformer 的 TTS 和 FastSpeech

  • WFST 创建和基于 WFST 的解码

  • 使用 Tensorflow C++ 部署

10- ESPnet: 端到端语音处理工具包

ESPnet是一个端到端语音处理工具包，主要专注于端到端语音识别和端到端文本转语音。

它是一个开发人员友好的应用程序，可以集成到 Web 项目中。 开发人员也可以使用 Docker 安装它。

11- Voice Builder

Voice Builder 是一个开源的文本转语音 (TTS) 语音构建工具，专注于简单性、灵活性和协作性。 我们的工具允许任何具有基本计算机技能的人运行语音训练实验并聆听生成的合成语音。

Voice Builder 项目是使用 JavaScript 编写的，并在 Apache-2.0 许可下发布。

12- Coqui TTS

Coqui TTS 是一个用于高级文本转语音的库。 它建立在最新研究的基础上，旨在实现易于培训、速度和质量之间的最佳平衡。

13- Mozilla TTS

Mozilla TTS 是一个用于高级文本到语音生成的库。 它建立在最新研究的基础上，旨在实现易于培训、速度和质量之间的最佳平衡。

14- Mycoft Mimic

Mycroft 是一个开源语音助手系统。 Mimic 是由 Mycroft 团队创建的内置 TTS 库。

15- Free TTS

FreeTTS：跨平台文本转语音应用程序

FreeTTS 是一个完全用 JavaTM 编程语言编写的语音合成系统。 它基于 Flite：卡内基梅隆大学开发的小型运行时语音合成引擎。 Flite 源自爱丁堡大学的 Festival Speech Synthesis System 和卡内基梅隆大学的 FestVox 项目。

它支持 16/8k 的 AU 和 WAV 格式。 它已经在 Solaris TM 操作环境、Mac OS X、Linux 和 Win32 操作系统上进行了测试。

不可不知的工具合集-翻译篇
汽车软件开发
05-07 592
1. **[CopyTranslator指南](https://www.bilibili.com/video/BV1gz4y1E7nq/?- 在设置页面的 **OpenAI API Key** 栏粘贴密钥，填写接口地址（如 `https://sg.uiuiapi.com/v1/chat/completions`）。**开源地址**: [GitHub - jundongGit/AI-Translator](https://github.com/jundongGit/AI-Translator)
【论文译文】震撼发布！亚马逊推出SpeechVerse：大规模音频语言模型
数智笔记
05-21 655
大规模语言模型（LLMs）在需要自然语言指令语义理解的任务中表现出了惊人的能力。最近，许多研究进一步扩展了这些模型感知多模态音频和文本输入的能力，但它们的功能通常限于特定微调任务，如自动语音识别（ASR）和翻译。因此，我们开发了SpeechVerse，一个稳健的多任务训练和课程学习框架，它通过一小组可学习参数结合预训练的语音和文本基础模型，并在训练过程中保持预训练模型冻结。模型使用从语音基础模型提取的连续潜在表示进行指令微调，以通过自然语言指令在各种语音处理任务上实现最佳零样本性能。
文字转语音软件《AI配音专家》完全开源
张伟的专栏
05-04 2393
看见网上文字转语音这类软件大部分是收费的，免费的也有，但是效果不好！自学electron跨平台桌面开发有一段时间了，练手作品，给大家分享一下吧！采用的是阿里语音合成引擎，效果非常好，语言种类齐全！软件里面的key是申请免费的，官网文档上面说是最多同时两个进程，所以多个人同时转换可能会失败吧，你们自己测试！软件代码是完全开源的，代码在GitHub上面，会前端的可以自己打包，最后别忘记点个starGitHub地址：https://github.com/bawangxx/XZVoice ...
适合初学者的开源文本转语音工具包 - OpenTTS
m0_75259337的博客
06-23 837
  ---
Mozilla TTS项目实战：基于DDC-TTS与ParallelWaveGAN的语音合成教程
最新发布
gitblog_01012的博客
06-04 413
Mozilla TTS项目实战：基于DDC-TTS与ParallelWaveGAN的语音合成教程 前言 语音合成（Text-to-Speech, TTS）技术近年来取得了显著进展，Mozilla TTS作为一个开源的语音合成工具包，集成了多种先进的语音合成模型。本文将重点介绍如何利用Mozilla TTS中的DDC-TTS（Double Decoder Consistency Tacotron2）...
3个开源TTS(一)——安装使用
hadoop 大全
02-16 4257
项目在身，要求分析几款开源的TTS引擎（不需要是中文的），然后选择一个为系统朗读英文文本提供接口。先从eGuideDog的余音（Ekho）开始，Ekho（余音）是一个把文字转换成声音的软件。它目前支持粤语、普通话（国语）、诏安客语和韩语（试验中），英文则通过Festival间接实现。先是找到了它的英文实现方式，不过之前看到过这样一篇文章《7个开源的TTS（文本转语音）系统推荐》，因此从中选择了3个...
7个开源的TTS（文本转语音）系统推荐
qjbagu的专栏
12-28 1万+
TTS（Text To Speech，文本转语音）是语音合成应用的一种，它将储存于电脑中的文件，如帮助文件或者网页，转换成自然语音输出。TTS可以帮助有视觉障碍的人阅读计算机上的信息，或者只是简单的用来增加文本文档的可读性。TTS经常与声音识别程序一起使用。 本文主要介绍7款开源的TTS系统，你可以用来学习，也可以在你的项目中使用。  1.MARY - Text-to-Speech Sys
开源(离线)中文文本转语音TTS(语音合成)工具整理
热门推荐
guigenyi的专栏
05-11 5万+
“文本转语音” 或者说 “语音合成” 是一种从文本中生成听起来像人类的语音，可以识别单词并形成人类语音。
espeak开源文字转语音tts源文件
06-05
语音合成开源源代码，可以在Windows下使用，文字转语音工具，tts，platform文件夹下Windows_cmd有vc工程，可以转成在vs2010下运行，转换出现的错误请百度解决，生成的程序在命令行下espeak.exe -v en “hello world” 可以播放合成后的语音,zhlist.zip是中文词典包，支持合成中文语音，请编译后使用
免费开源的文字转语音工具EmotiVoice
xuweilin的博客
08-09 1374
EmotiVoice是一个强大且开源的TTS（Text To Speech，文本转语音）引擎，具有多项引人注目的特点和广泛的应用场景。
阿里通义音频生成大模型 FunAudioLLM 开源！
stephen147的博客
07-06 3867
人类对自身的研究和模仿由来已久，在我国2000多年前的《列子·汤问》里就描述了有能工巧匠制作出会说话会舞动的类人机器人的故事。声音包含丰富的个体特征及情感情绪信息，对话作为人类最常使用亲切自然的交互模式，是连接人与智能世界至关重要的环节。近日，阿里通义实验室发布并开源了语音大模型项目，旨在深化人类与大型语言模型（LLMs）之间的自然语音交互体验。这一框架的核心是两个创新模型：SenseVoice和CosyVoice。
语音构建器：一种开源的文本语音转换（TTS）语音构建工具
02-03
免责声明：这不是Google的官方产品。 语音制作器 Voice Builder是一个开源的文本语音转换（TTS）语音构建工具，致力于简化，灵活和协作。 我们的工具允许具有基本计算机技能的任何人进行语音训练实验，并聆听合成语音。 我们希望该工具能够通过加快实验速度和简化跨学科协作，减少创建新声音的障碍并加速TTS研究。 我们相信，我们的工具可以帮助改善TTS研究，尤其是对于资源匮乏的语言而言，在这种情况下，通常需要进行更多的实验才能充分利用有限的数据。 发布-https: 安装 先决条件 在上创建一个项目。 如果您还没有帐户，请为自己创建一个。 启用结算并为您的项目请求更多配额 安装
java开源组件源码-文本转语音
06-29
java开源组件tts源码-文本转语音。The FreeTTS package contains a speech synthesis system written entirely in the Java programming language
【编程学习】每天进步一点点，编程学习之路：一款单词转MP3制作软件，单词随身听制作工具v1.0.1
caviar126的博客
03-05 550
【编程学习】每天进步一点点，编程学习之路：一款单词转MP3制作软件，单词随身听制作工具v1.0.1 2021/03/04作者的话： 该软件是作者自己在2016年大学学习英语的时候，根据自己当时的需求编写的。自从2017年研究生备考之后，便再也没有对软件进行维护更新过。一直到现在，偶尔会有网友通过邮件咨询软件使用过程中遇到的问题，作者曾一再表示，放弃对该软件的维护更新，因为自己恐怕再也不打算用到这个软件了。因此，自从软件在2016年发布以来，除了在2017年年初更新修复过一次bug，之后再也没有关心过这个软件
如何使用ChatGPT等大模型翻译视频？2024最新翻译技巧分享
veyird的博客
06-18 2154
随着全球化的浪潮，跨语言沟通的需求日益增长。视频，作为一种生动直观的表达方式，也越来越需要跨越语言的障碍，触达更广泛的受众。因此，视频翻译成为了一个重要的领域，为不同语言背景的人们打开了理解彼此、共享信息和文化的窗口。而随着大模型的进展，视频翻译领域迎来了新的突破。大模型的强大语言理解能力和生成能力，可以更精准地识别音频内容，并生成更加自然流畅的翻译文本。它还能根据不同语境和风格，调整翻译结果，使最终的视频翻译更贴近原视频的表达。
ChatTTS:开源最强文本转真人语音工具
记录开发和安全学习过程中的点点滴滴
06-02 1万+
也快到期末了,最近就基本不做别的事情,主要对期末进行复习和做自己喜欢的一些事情,下面是对自己发现的一个好玩的项目进行分享,如果不想太麻烦的话,直接看3.3有直接可以运行的版本进行使用.ChatTTS（Chat Text-to-Speech）是一种技术，它允许计算机程序将文本转换成口语，即语音输出。这种技术广泛应用于各种场景，比如语音助手、电子书阅读器、自动电话系统、辅助技术等。用户输入文本，ChatTTS系统会将这些文本转换成语音，然后通过扬声器播放出来，或者通过音频文件保存。
开源TTS
vanloswang的专栏
09-05 760
Ekho http://sourceforge.net/projects/e-guidedog/files/Ekho/
开源TTS（Text To Speah）的选择和使用
07-13 2161
TTS是Text To Speech的缩写，即“从文本到语音”，是人机对话的一部分，让机器能够说话。 TTS是语音合成应用的一种，它将文件内容或应用上的文字等，如应用菜单或者网页，转换成自然语音输出。 TTS不仅能帮助有视觉障碍的人阅读计算机上的信息，更能增加文本文档的可读性。 一、比较流行的开源TTS项目 以下信息来自：TTS open source project ...
中文 tts 开源 Android,7 个开源的TTS（文本转语音）系统推荐-Go语言中文社区
weixin_33895652的博客
05-29 4569
前言：TTS在电视产品的应用，能够帮助对电视机界面无法采用可视化标准访问的盲人和弱视的人，在欧洲在美国已经开始制订了规范的实现标准，和实施的规章制度。Ref:http://www.iteye.com/news/23832TTS(Text To Speech，文本转语音)是语音合成应用的一种，它将储存于电脑中的文件，如帮助文件或者网页，转换成自然语音输出。TTS可以帮助有视觉障碍的人阅读计算机上的信...
jsonformat注解 日期多种时间格式
03-11
<think>好的，我现在需要回答用户关于如何在JSON中使用注解支持多种日期时间格式的问题。用户已经提供了三个引用内容，我需要结合这些资料来给出准确的回答。 首先，用户提到的引用[2]中提到了@JsonFormat注解，可以用来指定日期格式和时区。比如@JsonFormat(pattern = "yyyy-MM-dd HH:mm:ss", timezone = "GMT+8")，这应该是在实体类字段上使用，将日期格式化为指定模式。但用户的问题是支持多种日期格式，而@JsonFormat只能指定一种格式，可能需要其他方法。 接下来，引用[1]展示了前端传递日期字符串的例子，日期格式是“2027年12月12日”，这可能和后端的默认格式不同。如果后端需要接受不同格式的日期，可能需要自定义反序列化器。例如，使用Jackson的@JsonDeserialize注解，指定自定义的反序列化类来处理多种格式。 引用[3]提到POST请求携带JSON数据在请求体中，所以后端需要正确解析这些数据，特别是日期字段的不同格式。这时候可能需要结合@JsonFormat和自定义的反序列化器，或者使用Jackson的模块来注册多种格式。 可能的解决方案包括： 1. 使用@JsonFormat处理单一格式的输出，但输入可能需要更灵活的处理。 2. 自定义反序列化器，使用@JsonDeserialize注解在字段上，处理多种输入格式。 3. 配置全局的ObjectMapper，注册多种日期格式，但这可能影响所有日期字段，不够灵活。 4. 利用Jackson的DateTimeFormat注解，但不确定是否支持多格式。 需要验证这些方法的可行性。例如，自定义反序列化器可以尝试解析多种格式，直到成功为止。例如，定义一个DateDeserializer类，继承JsonDeserializer<Date>，在deserialize方法中尝试不同的SimpleDateFormat解析输入字符串，直到找到匹配的格式。 同时，引用[2]中的@JsonFormat可能用于序列化，而反序列化需要另外处理。因此，用户可能需要同时使用@JsonFormat和@JsonDeserialize来分别处理序列化和反序列化。 最后，可能还需要考虑时区问题，确保不同格式的日期时间正确转换。总结来说，主要的步骤是使用自定义反序列化器处理多种输入格式，结合@JsonFormat控制输出格式，并通过全局配置或注解实现灵活性。</think>在JSON中处理多种日期时间格式，可通过Jackson库的注解结合自定义反序列化器实现。以下是具体实现步骤： ### 一、基础注解处理单一格式 使用`@JsonFormat`可定义序列化/反序列化的固定格式： ```java public class User { @JsonFormat(pattern = "yyyy年MM月dd日", timezone = "GMT+8") private Date birthday; } ``` 此注解支持`birthday`字段以`2027年12月12日`格式传输[^2] ### 二、多格式处理方案 当需要支持`yyyy-MM-dd`、`yyyy/MM/dd`等多种格式时，需自定义反序列化器： 1. **创建多格式解析器** ```java public class MultiDateDeserializer extends JsonDeserializer<Date> { private static final String[] FORMATS = { "yyyy年MM月dd日", "yyyy-MM-dd", "yyyy/MM/dd HH:mm" }; @Override public Date deserialize(JsonParser p, DeserializationContext ctx) throws IOException { String dateStr = p.getText(); for (String fmt : FORMATS) { try { return new SimpleDateFormat(fmt).parse(dateStr); } catch (ParseException e) { // 继续尝试下一种格式 } } throw new IllegalArgumentException("无法解析的日期格式: " + dateStr); } } ``` 2. **应用自定义解析器** ```java public class User { @JsonDeserialize(using = MultiDateDeserializer.class) @JsonFormat(pattern = "yyyy-MM-dd") // 统一输出格式 private Date birthday; } ``` ### 三、全局格式配置（可选） 在Spring Boot中配置全局日期处理： ```java @Bean public ObjectMapper objectMapper() { ObjectMapper mapper = new ObjectMapper(); DateFormat dateFormat = new SimpleDateFormat("yyyy-MM-dd"); mapper.setDateFormat(dateFormat); return mapper; } ``` ### 四、注意事项 1. **时区一致性**：所有格式需明确时区配置，避免时差问题 2. **格式优先级**：字段级注解会覆盖全局配置 3. **异常处理**：建议在反序列化器中添加格式匹配失败后的明确错误提示
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值