【免费下载链接】FireRedTTS3FireRedTTS3: Multilingual and Multi-Dialect Voice Cloning with Instruction-Guided Voice Design and Speech Editing项目地址https://gitcode.com/gh_mirrors/fi/FireRedTTS3点击查看免费下载️FireRedTTS3是一个开源的多语言、多方言语音克隆与语音编辑系统支持24 种语言和 21 种中文方言的零样本音色克隆。本文带你用3 条命令在本地完成部署快速打开一个可视化的Gradio Web 语音合成界面——上传一段参考音频就能用同款声音朗读任意文本无需编写任何代码。FireRedTTS3 是什么FireRedTTS3 基于语义增强的连续语音表征提供两个版本版本核心能力入口脚本FireRedTTS3-Base24 语言 21 中文方言的零样本音色克隆gradio_base.pyFireRedTTS3-Instruct自然语言设计音色 自由语音编辑插入/删除/替换、变速/变调/变音量gradio_instruct.py其整体架构由三部分组成RedAE 语音分词器24kHz 音频 ⇄ 25Hz 连续隐向量、Base 自回归扩散骨干以及支持指令控制的 Instruct 分支核心推理逻辑封装在 fireredtts3/core.pyWeb 界面则分别由 gradio_base.py 和 gradio_instruct.py 驱动。部署准备克隆项目并安装依赖第 1 条命令安装项目依赖先克隆仓库再安装 requirements.txt 中列出的依赖PyTorch、transformers、flash-attn、wetext 等git clone https://gitcode.com/gh_mirrors/fi/FireRedTTS3 cd FireRedTTS3 pip install -r requirements.txt 提示flash_attn需要与 GPU 和 CUDA 版本匹配的预编译包wetext负责中英文文本正则化如把 19:30 读成 nineteen thirty。模型推理建议使用NVIDIA GPU。第 2 条命令下载预训练模型模型文件统一放在pretrained_models/目录下Base 与 Instruct 共用只需下载一次。两种方式任选其一方式 AHugging Facepip install huggingface_hub[cli] hf download FireRedTeam/FireRedTTS3 --local-dir pretrained_models/方式 BModelScope国内网络更友好pip install modelscope modelscope download --model FireRedTeam/FireRedTTS3 --local_dir pretrained_models/第 3 条命令一键启动 Gradio Web 界面确保已安装 Gradiopip install gradio然后在项目根目录执行# 启动 Base 版多语言/方言语音克隆 python gradio_base.py --host 0.0.0.0 --port 7860 # 或启动 Instruct 版音色设计 语音编辑 python gradio_instruct.py --host 0.0.0.0 --port 7860启动完成后浏览器访问http://127.0.0.1:7860即可看到界面。两个启动脚本都支持--host、--port、--root-path三个参数如果你通过代理访问例如 Remote VS Code 远程开发可加--root-path指定代理前缀。Gradio 界面使用指南官方提供的两个界面长这样左Base 版右Instruct 版Base 版常用操作选择语言/方言下拉框内置 24 语言 21 方言的示例文本点击即可填入上传参考音频Prompt Audio3~10 秒清晰人声效果最佳并填入其转录文本调整Random seed与CFG guidance scale越大越贴近参考音色越小越发散点击Generate Speech即可在线试听并下载生成的音频。 小技巧合成哪种语言就用哪种语言的参考音频——合成日语配日语参考音频合成四川话配四川话音频克隆效果最好。Instruct 版两个标签页Voice Design音色设计无需任何参考音频只需用自然语言描述想要的声音如年轻女性的温柔嗓音语速稍慢带一点俏皮模型会先生成一份声音属性规划再渲染出全新音色Speech Editing语音编辑上传音频后用一句指令完成编辑。语义编辑可自由表述如 Replace cats with dogs声学编辑需遵循固定模板如adjust the speed to 0.5x、shift the pitch by 2 steps、adjust the volume to 1.5。进阶可选项可选配置语言自动识别若不想手动选语言可下载 FastText 语言识别模型放入fireredtts3/utils/llm_tn/models/目录推理时语言传None即自动检测全语言文本正则化默认 wetext 仅完整支持中英两种语言其他语言可通过 .env 配置 LLM API任意 OpenAI 兼容端点初始化时传use_llm_tnTrue启用模板文件见 fireredtts3/utils/llm_tn/text_normalizer.py纯代码调用跳过 Web 界面直接用 fireredtts3/core.py 中的FireRedTTS3/FireRedTTS3Instruct类集成到自己的应用示例见 README.md 的 Python API 章节。常见问题速查问题解决办法端口 7860 被占用改用--port 7861等其他端口flash-attn 安装失败确认 GPU/CUDA 版本后安装对应预编译 wheel或改用 CPU 版 PyTorch 环境页面打不开检查终端是否出现 Running on http://...代理环境需加--root-path克隆效果不自然参考音频尽量短而清晰且与目标语言一致总结 回顾一下只需3 条核心命令pip install -r requirements.txt装依赖、hf download拉模型、python gradio_base.py起服务就能在本地拥有一个支持24 语言 21 方言的 Web 语音合成与语音编辑工具。配合 Instruct 版你甚至可以用一句话设计出一个全新的声音——这正是 FireRedTTS3 最有趣的地方。快去试试吧赞分享【免费下载链接】FireRedTTS3FireRedTTS3: Multilingual and Multi-Dialect Voice Cloning with Instruction-Guided Voice Design and Speech Editing项目地址https://gitcode.com/gh_mirrors/fi/FireRedTTS3点击查看免费下载相关推荐Qwen3-TTS本地Web UI部署教程一条命令启动Gradio DemoHTTPS解决麦克风权限Qwen3 TTS本地Web UI部署教程一条命令启动Gradio DemoHTTPS解决麦克风权限 Qwen3 TTS 是阿里 Qwen 团队开源的语音合人工智能大模型语音基础模型媒体生成微调QwenPaddleSpeech 语音合成TTSDemo 实战一条命令与几行 Python 从文本生成语音PaddleSpeech 语音合成TTSDemo 实战一条命令与几行 Python 从文本生成语音 语音合成Text to Speech, TTS是将人工智能语音音频NLP媒体生成3分钟上手MagicAnimate从Gradio界面到本地部署全攻略3分钟上手MagicAnimate从Gradio界面到本地部署全攻略 MagicAnimate是一款基于扩散模型的人体图像动画生成工具能够实现时间上连贯的人人工智能计算机视觉媒体生成深度学习大模型创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考