TTS引擎用于實(shí)現(xiàn)文本到語(yǔ)音的轉(zhuǎn)換。隨著人工智能的普及以及數(shù)字設(shè)備應(yīng)用的增加，相關(guān)系統(tǒng)對(duì)語(yǔ)音識(shí)別以及文語(yǔ)轉(zhuǎn)換技術(shù)日益依賴，TTS正在變得越來(lái)越重要。

在這項(xiàng)技術(shù)的幫助下，可以將文本內(nèi)容轉(zhuǎn)換為錄音。可以幫助視覺(jué)障礙的人理解文本內(nèi)容，可以讓開(kāi)車(chē)的人聽(tīng)取一個(gè)文本工作報(bào)告，甚至模擬某個(gè)人的聲音播報(bào)一段內(nèi)容、演唱一個(gè)歌曲，實(shí)現(xiàn)虛擬主播、虛擬歌手。

本文主要查找收集了一些較好的開(kāi)源TTS引擎。這些項(xiàng)目有助于我們更加了解TTS的功能。

1.CoQui TTS

https://github.com/coqui-ai/TTS

這是一個(gè)在研究和生產(chǎn)中經(jīng)過(guò)了實(shí)戰(zhàn)考驗(yàn)的TTS深度學(xué)習(xí)工具包，可以以200毫秒的延遲進(jìn)行流傳輸，支持13種語(yǔ)言（包括中文）。

2.mozilla TTS

https://github.com/mozilla/TTS

TTS是一個(gè)用于文本到語(yǔ)音生成的高級(jí)庫(kù)。旨在實(shí)現(xiàn)易于訓(xùn)練、高速度和高質(zhì)量的最佳平衡。 提供預(yù)訓(xùn)練模型，以及用于測(cè)量數(shù)據(jù)集質(zhì)量的工具，支持用于產(chǎn)品和研究的20多種語(yǔ)言，包括支持中文。

3.OpenTTS

https://github.com/synesthesiam/opentts

OpenTTS是TTS最有效的開(kāi)源模型之一。因?yàn)樵撃Ｐ椭С职ㄖ形脑趦?nèi)的多種語(yǔ)言。

4.MaryTTS

https://github.com/marytts/marytts

MARY Text-to-Speech 語(yǔ)音合成是一個(gè)多語(yǔ)言TTS平臺(tái)，支持英語(yǔ)（英國(guó)和美國(guó)）、法語(yǔ)、德語(yǔ)、意大利語(yǔ)、俄語(yǔ)等語(yǔ)言。

產(chǎn)品特點(diǎn)：

• 使用預(yù)處理技術(shù)，如tokenizer和數(shù)值擴(kuò)展。
• 它采用多線程網(wǎng)絡(luò)架構(gòu)，并行處理多個(gè)請(qǐng)求。
• 它本質(zhì)上是靈活的，因此您可以使用純Java模型和外部模型。
• 它使用XML結(jié)構(gòu)來(lái)提高透明度，并且對(duì)于普通用戶來(lái)說(shuō)易于理解。

5.eSpeak

https://github.com/espeak-ng/espeak-ng

eSpeak是一個(gè)緊湊的開(kāi)源TTS引擎，可運(yùn)行于Windows和Linux。支持100多種語(yǔ)種和語(yǔ)音（包括中文普通話）。

產(chǎn)品特點(diǎn)：

• 這個(gè)平臺(tái)可以很容易地完成文本到語(yǔ)音的轉(zhuǎn)換。這有助于系統(tǒng)理解文本的含義。
• 它帶有兩個(gè)合成器：eSpeakinG合成器，通過(guò)聲音添加技術(shù)轉(zhuǎn)換元音和響亮的輔音，以完成聲音。Klatt合成器使用類(lèi)似的技術(shù)，但使用減法合成。它使用數(shù)字濾波器來(lái)理解輔音、元音和響音之間的區(qū)別。
• 因?yàn)樗牟町惢夹g(shù)和將文本轉(zhuǎn)換為語(yǔ)音的速度優(yōu)勢(shì)，這個(gè)工具在2010年被谷歌翻譯使用。
• 聲音的音質(zhì)清晰悅耳。

6.Mimic

https://github.com/MycroftAI/mimic3

Mimic是一個(gè)快如閃電的開(kāi)源TTS引擎。

產(chǎn)品特點(diǎn)：

• 由于它基于FLITE技術(shù)，您可以自定義語(yǔ)音的聲音。
• 它是一個(gè)低延遲平臺(tái)，并且只占用少量的資源。
• 它可以在Linux、Android和Windows上無(wú)縫運(yùn)行。

目前，該工具正在為患有語(yǔ)言障礙的人帶來(lái)逼真的聲音。

7.CMU Flite TTS

https://github.com/festvox/flite

Festival Lite通常被稱(chēng)為Flite。它是一個(gè)小型的運(yùn)行時(shí)引擎，被認(rèn)為是最快的TTS引擎之一。

由于它是一個(gè)開(kāi)源引擎，并且是免費(fèi)的，可以基于這個(gè)項(xiàng)目做許多自定義功能。因此，許多公司都選擇了這個(gè)TTS引擎。

核心特點(diǎn)：

• 可以用于小型和大型文件。
• 它是線程安全的，其最新版本提供了一個(gè)輕松的TTS轉(zhuǎn)換。
• 它與Windows、Linux和Android兼容。
• 它還提供多種語(yǔ)言版本。

8.MBROLA

https://github.com/numediart/MBROLA

MBROLA是Multi-Band Resynthesis OverLap Add的縮寫(xiě)，也是最常用的開(kāi)源TTS引擎之一。它支持多種語(yǔ)言。

功能特點(diǎn)：

• 提供多語(yǔ)種數(shù)據(jù)庫(kù)。
• 它對(duì)于內(nèi)部文本到語(yǔ)音的轉(zhuǎn)換非常有用。
• 它以前是一個(gè)非商業(yè)軟件，但現(xiàn)在作為開(kāi)源TTS引擎推出。
• 它提供了令人愉快的音質(zhì)，具有一致性、準(zhǔn)確性的聲音音高。

9.mandarin-tts

https://github.com/ranchlai/mandarin-tts

這是一個(gè)模塊化的中文普通話TTS語(yǔ)音合成框架，旨在支持研究和快速產(chǎn)品開(kāi)發(fā)。

主要功能包括：

• 所有模塊都可通過(guò)YAML配置，
• 支持并可配置說(shuō)話者嵌入/韻律嵌入/多流文本嵌入，
• 適配器支持各種聲碼器（VocGAN、hifi-GAN、waveglow、melGAN），從而可以容易地進(jìn)行不同聲碼器之間的比較，
• 支持持續(xù)時(shí)間/音調(diào)/能量方差預(yù)測(cè)器，并且可以容易地添加其他方差，

10.FCH-TTS

https://github.com/atomicoo/FCH-TTS

一個(gè)快速語(yǔ)音合成模型，適用于英語(yǔ)、普通話/中文、日語(yǔ)、韓語(yǔ)、俄語(yǔ)和藏語(yǔ)。

11.rhasspy piper

https://github.com/rhasspy/piper

piper是一個(gè)快速的本地語(yǔ)音合成系統(tǒng)，并針對(duì)Raspberry Pi 4（樹(shù)莓）進(jìn)行了優(yōu)化。 支持包括中文在內(nèi)的多種語(yǔ)言。

使用DEMO如：

echo 'Welcome to the world of speech synthesis!' | \
  ./piper --model en_US-lessac-medium.onnx --output_file welcome.wav