MeloTTS 多语言文本转语音从安装到 Python 集成的完整上手指南【免费下载链接】MeloTTSHigh-quality multi-lingual text-to-speech library by MyShell.ai. Support English, Spanish, French, Chinese, Japanese and Korean.项目地址: https://gitcode.com/GitHub_Trending/me/MeloTTS往 MeloTTS 里丢一句「你好世界」几秒后你拿到的就是一个 .wav 文件——而它不止会说中文。这款多语言文本转语音多语言 TTS开源库由 MyShell.ai 开源一个模型就能覆盖英语、中文、西班牙语、法语、日语、韩语六种语言英语还附带美式、英式、印度、澳洲等多种口音。CPU 就能实时跑GPU 则让批量合成更快。先想象一个场景你的视频需要六国解说你剪好了一支教程视频接下来要配三种语言的旁白或者你在做一个应用想给用户「收听」功能还得同时照顾海外用户。逐个找配音、逐个调 API成本高还慢。MeloTTS 的思路是把这六件事合并成一件事装一次库语言、口音、语速全是你一个参数的事。快速开始三条命令出第一段语音先看最短路径先跑起来再说细节git clone https://gitcode.com/GitHub_Trending/me/MeloTTS cd MeloTTS pip install -e . melo Hello, this is my first audio output.wav装完打开output.wav你应该已经听到声音了。安装脚本会自动顺带下载日语分词资源unidic如果网络中断没拉下来手动补一句python -m unidic download即可。接下来是选部署方式。部署二选一原生安装还是 Docker 部署两条路都能到差别在于你的系统和你愿意折腾的程度对比项原生安装Docker 容器化适合谁LinuxUbuntu 20.04 实测、macOSWindows 用户或 macOS 安装不顺的人前置条件Python 3.9一个干净的 pip 环境已装好 Docker耗时几分钟构建镜像可能要多等几分钟跑起来melo或melo-ui命令docker run -p 8888:8888GPU依赖本地 CUDA 环境--gpus all一行透传走原生安装就是快速开始那两句pip install -e .。硬件上一块普通 CPU 就足够实时推理有 NVIDIA GPU 只是锦上添花。macOS 上如果依赖装不干净别硬扛直接转投 Docker。走 Docker 部署在项目根目录构建并运行docker build -t melotts . docker run -it -p 8888:8888 melotts本地有 GPU 的话加个参数即可加速docker run --gpus all -it -p 8888:8888 melotts然后浏览器打开http://localhost:8888Web 界面就在了。三种调用姿势哪种离你最近MeloTTS 给了你三个入口按「你是谁」来选而不是按功能清单来选。 想点鼠标就出活 → Web 界面装好后一条命令起服务melo-ui # 或者 python melo/app.py语言、声音、文本都在页面上选适合完全不熟命令行的朋友也适合边听边调参试发音人。⌨️ 想批量、想进脚本 → 命令行CLI最小可用的一条melo Text to read output.wav常用旋钮就四个melo Text to read output.wav --language EN --speaker EN-US # 指定语言和发音人 melo Text to read output.wav --speed 1.5 # 1.5 倍语速 melo file.txt out.wav --file # 从文本文件读 melo --help # 完整参数文档中文记得带-l ZH比如melo 文本转语音正在快速发展 zh.wav -l ZH。melotts和melo两个命令名都能用。 想嵌进自己的项目 → Python API这是最有扩展性的姿势核心就四行from melo.api import TTS model TTS(languageEN, deviceauto) speaker_ids model.hps.data.spk2id model.tts_to_file(Hello world, speaker_ids[EN-US], output.wav, speed1.0)deviceauto会自动挑 GPUCUDA 或 MPS没有就落回 CPU。想换语言把language换成ZH、JP、KR、ES、FR再从对应的speaker_ids里取发音人即可。实现细节在 melo/api.py 里每个语言都有对应示例。支持语言与发音人一览别记散落的参数看这张表就够了语言语言代码可用发音人英语ENEN-Default默认、EN-US美音、EN-BR英音、EN_INDIA印度口音、EN-AU澳洲口音中文ZHZH模型自带中英混读能力西班牙语ESES法语FRFR日语JPJP韩语KRKR英语一个语言码能切出五种口音是做多地区本地化时最好用的点。调优与提速三个避坑提醒硬件别焦虑CPU 就能满足实时合成不用为「跑不动」提前买卡真要做大批量离线渲染再上支持 CUDA 的 NVIDIA GPU。语速有安全区间默认 1.0建议留在 0.52.0 之间。拉得太极端音质会肉眼可见地变差。内存要会放手长期运行的服务里定期清理不再用的模型实例要多语言并发干脆为每种语言各持一个实例切换成本最低。踩坑实录装不上、读不对、跑不快装不上pip 报依赖冲突这是原生安装最常见的翻车点。别在全局环境里硬试建一个干净的虚拟环境再来或者干脆走 Docker把整个依赖环境装进容器里冲突直接消失。读不对语音发闷、语言读串先怀疑语速和发音人换个--speed、换个发音人同一句文本表现可能差很多某些语言在特定发音人下确实更自然。另一个高频错误是忘了指定语言——不写-l ZH的中文文本会被当英文处理读音自然面目全非。跑不快想要更低延迟单句合成在 CPU 上已是实时级别。真要压延迟可以借助 Python API 的返回能力tts_to_file在不给output_path时直接返回音频的 numpy 数组方便你做流式拼接再往外一层套个 WebSocket 服务低延迟推流就齐了。最后让文字开口回到开头六种语言、五种英语口音、Web / CLI / Python 三种入口一条pip install起步——这就是 MeloTTS 能替你做的事。更多细节可以去仓库文档里翻docs/install.md 讲安装docs/quick_use.md 讲快速使用核心代码集中在 melo/ 目录下。装好它你打字的下一秒声音就有了。【免费下载链接】MeloTTSHigh-quality multi-lingual text-to-speech library by MyShell.ai. Support English, Spanish, French, Chinese, Japanese and Korean.项目地址: https://gitcode.com/GitHub_Trending/me/MeloTTS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考