有哪些靠谱的基于深度学习的免费的 TTS？

闲聊灌水
1

试过 coqui-ai/TTS (★13k)，转了一篇英文小短文，输出 3 分多钟的音频。前 1 分钟的效果非常好，与真人朗读无异，但后面就开始胡言乱语了，一个完整的音节都听不到。

NVIDIA/NeMo(★7.2k) 要求的 node 版本比较高，我的系统（macOS 10.13）无法支持。

还有个 mozilla/TTS (★7.6k)， 从 README 看起来跟 coqui-ai/TTS 是同一个项目，但有两年没更新了。

各位有用过哪些 TTS 感觉比较靠谱的？

1 个赞
2

如果能接受云服务的话，微软有个每月 0.5 million 个字符免费的服务
要先注册帐号，然后绑定信用卡 :rofl: 可以设置消费上限（还是付费计划来着）避免扣钱
https://azure.microsoft.com/zh-cn/pricing/details/cognitive-services/speech-services/

1 个赞
3

我就是偶尔用一下，0.5 million 个字符应该够用。不知道它生成的音频能下载吗？

4

可以的，它 API 最后就是一个音频下载连接，支持很多格式。 你可以看看我之前发的这个 emacs 插件

1 个赞
5

试了这个帖子底下懒猫推荐的 GitHub - rany2/edge-tts: Use Microsoft Edge’s online text-to-speech service from Python (without needing Microsoft Edge/Windows or an API key) 。免注册，速度快，输出稳，还能生成字幕，就是声音比 coqui-ai/TTS 略微机械。

6

他的声音有很多不同的国家的人可以选择

7

前段时间很流行的 VITS 也可以做 TTS 吧，可以去 huggingface 上搜一下，有些会有在线 deemo, 先试运行再下载

8

我制作anki卡片的时候会用的hypertts插件，使用的就是azure的tts服务，总体用下来体验还是挺好的，但也不得不说有点小毛病，因为我需求的是日语的tts，会出现类似于中文当中断句错误的现象，这种时候只有在事后发现了之后再手动把文本改成假名，生成语音，然后再把文本改回汉字，有点儿麻烦。

9

微软的那个tts有人做了个网站能直接用，效果很好

10

但是每天两千字，不是大批量的还好

11

换了其他声音简单试了还是觉得略微有点机械，特别是默认的美国女声，有点像老外TikTok常见的旁白女声的调调。不过好处是输出干净，不像 coqui-ai/TTS 会有杂音。

12

这俩生成的声音是一样的吗，我听不出来差别：

13

我也听不出来，不过 VITS 厉害的地方好像是可以“克隆”别人的声音