Coqui TTS：支持 1100+ 语言的开源文本转语音库｜部署与使用全指南

项目仓库： https://github.com/coqui-ai/TTS

文档：tts.readthedocs.io · 许可证：MPL 2.0 · 维护方：Coqui · PyPI：TTS · 代表模型：XTTS v2（16 语言）、Bark、Tortoise 集成

1 项目简介

🐸TTS 是 Coqui 开源的高级文本转语音库，提供 1100+ 语言的预训练模型、训练/微调工具、数据集分析工具。旗舰模型 XTTS v2 支持 16 种语言、<200ms 流式延迟、零样本声音克隆。库内还集成 Bark、Tortoise、Fairseq MMS（~1100 语言）等模型。

1.1 核心信息一览

1.2 适用场景

• 多语言 TTS 推理。
• 零样本声音克隆（XTTS v2）。
• 在自己的语言/声音数据上训练或微调 TTS 模型。

2 功能特性

• 1100+ 语言：通过 Fairseq MMS 模型支持。
• XTTS v2：16 语言、声音克隆、流式。
• 模型集成：Bark、Tortoise、Tacotron2、Glow-TTS、YourTTS 等。
• 训练工具：Trainer API、Tensorboard 日志。
• 数据集分析：dataset_analysis 工具。
• 多说话人 TTS：说话人编码器。

3 官方界面预览

XTTS 在线 Demo：huggingface.co/spaces/coqui/xtts。

4 官方跳转链接汇总

5 前置要求与服务器配置

5.1 软件前提

• Python 3.9+。
• PyTorch。
• 可选：GPU 加速。

5.2 硬件建议

6 方式一：pip 安装与命令行推理

pip install TTS

# 命令行一次性合成
tts --text "Hello world" \
  --model_name "tts_models/multilingual/multi-dataset/xtts_v2" \
  --speaker_idx "Clarence" \
  --language_idx "en" \
  --out_path output.wav

7 方式二：Python API

from TTS.api import TTS
tts = TTS("tts_models/multilingual/multi-dataset/xtts_v2")
tts.tts_to_file(
    text="你好，世界",
    speaker_wav="my_voice.wav",  # 零样本克隆
    language="zh",
    file_path="output.wav",
)

8 方式三：训练/微调

tts train --config_path config.json

XTTS 微调配方见 recipes/ljspeech。

9 常用模型

10 常见故障排查

• 模型下载慢：从 Hugging Face 手动下载到本地后用本地路径。
• 声音克隆不像：提供 6–10 秒清晰人声样本。
• 中文效果：XTTS v2 支持中文。

11 风险与合规说明

• MPL 2.0 许可；声音克隆需获本人授权。
• 不得用克隆声音伪造他人言论。
• 商用前核对 XTTS 模型许可（Coqui 商业模型条款）。

本文基于官方 README 整理，仅供学习与部署参考；以仓库最新说明为准。