AI语音 分类

10-26

AI语音

若琳部署

CosyVoice：多语言与中文方言实时语音合成，零样本声音克隆、情感指令与流式 TTS 部署指南｜部署与使用全指南

CosyVoice 是阿里 FunAudioLLM 基于大语言模型的开源 TTS，覆盖 9 种语言与 18 种中文方言，支持零样本跨语言克隆、发音修复、文本归一化、双向流式合成与情感指令控制。本文整理 Conda 环境、模型下载、WebUI、vLLM 加速、gRPC/FastAPI 服务与故障排查。

0

0

0

10-26

AI语音

若琳部署

ChatTTS：面向日常对话的开源中英语音合成模型，口语化停顿与韵律控制本地部署指南｜部署与使用全指南

ChatTTS 是面向日常对话的开源中文语音合成模型，支持中英双语、多说话人、笑声停顿等韵律控制与流式音频生成。本文整理 Conda/Python 环境、Gradio WebUI、命令行与 Python 推理接口、说话人与韵律参数、显存要求与非商用合规说明。

0

10-26

AI语音

若琳部署

IndexTTS：B 站开源零样本音色克隆与多情绪可控 TTS｜部署与使用全指南

IndexTTS 是 Bilibili Index Team 开源的工业级可控、高效零样本语音合成系统，最新 IndexTTS-2.5 支持中、英、日、西、阿五种语言，仅凭一段参考音频即可克隆音色，并提供情绪参考音频、情绪向量、文本情绪描述、情绪强度、语速与拼音/音素/假名发音控制。本文基于官方 README、中文文档、LICENSE、DISCLAIMER、webui.py 与 pyproject.toml，整理 uv 依赖环境、模型权重下载、Gradio WebUI、Python API、vLLM 生产部署、参数配置、运维命令、故障排查与模型许可、肖像声音授权及深度伪造合规边界。

1

0

0

10-26

AI语音

若琳部署

MeloTTS：英中西日韩多语言轻量 TTS 引擎，CPU 即可实时语音合成｜部署与使用全指南

MeloTTS 是 MIT 与 MyShell.ai 联合发布的高质量多语言、多口音文本转语音库，支持英语五种口音、西班牙语、法语、中英混读、日语与韩语，中文音色可中英混读，CPU 即可达到实时推理速度。本文基于官方 README、docs/install.md、docs/quick_use.md、docs/training.md 与源码，整理前置环境、Docker 一键部署、源码本地安装、Gradio WebUI、CLI 与 Python API、模型权重下载、参数配置、常用运维命令、故障排查与许可证合规边界。

1

0

0

10-25

AI语音

若琳学习

Hugging Face speech-to-speech：本地全链路实时语音对话开源智能体｜部署与使用全指南

Hugging Face speech-to-speech —— 本地全链路实时语音对话（语音进、语音出）开源语音智能体 适用场景说明：面向博主个人电脑本地部署，基线环境 Windows 10/11 + WSL2（Ubuntu 24.04）、RTX 3070 8GB / RTX 4090 24GB，

1

0

0

10-25

AI语音

若琳学习

faster-whisper：基于 CTranslate2 的高速语音识别｜部署与使用全指南

faster-whisper —— 基于 CTranslate2 推理引擎的高速语音识别（ASR） 适用场景说明：面向博主个人电脑本地部署，基线环境 Windows 10/11 + WSL2（Ubuntu 24.04）、RTX 3070 8GB / RTX 4090 24GB，另含 Linux 云服

0

10-25

AI语音

若琳学习

GPT-SoVITS：少样本中文语音克隆与语音合成｜部署与使用全指南

GPT-SoVITS —— 少样本中文语音克隆与语音合成（5 秒零样本 / 1 分钟微调） 适用场景说明：本节面向博主「个人电脑本地部署」场景，环境基线为 Windows 10/11 + WSL2（Ubuntu 24.04）、RTX 3070 8GB / RTX 4090 24GB，另含 Linux

2

0

0

10-25

AI语音

若琳学习

Whisper：OpenAI 开源语音识别模型｜本地部署与转写全指南

Whisper：OpenAI 开源语音识别模型｜本地部署与转写全指南 一套在 68 万小时多语言语音数据上训练的通用语音识别模型，命令行一条命令即可完成音频转写、翻译与语种识别，全部在本地运行。 项目 信息 官方仓库 openai/whisper 官方博客 openai.com/blog/whisp

1

0

0

10-25

AI语音

若琳学习

Breeze TTS 2：开放权重实时语音合成模型 · 部署与使用最全指南

Breeze TTS 2：开放权重实时语音合成模型 · 最全部署与使用指南 一句话定位：BreezeBlue 出品的 30 亿参数开放权重 TTS 模型，为实时语音交互而生——支持免参考语音的「声音设计」、参考音频的「声音克隆与声音指导」、自然语言情绪指令、人声事件插入与超低延迟流式输出，中英双语一

9

0

0

10-21

AI语音

若琳学习

AI赛博女友，含语音克隆+实时口型同步

前言 本文将手把手教你如何在本地电脑上部署一个会说话、有口型的AI数字人。全程本地运行，不联网、不花一分钱API费用、断网也能用。语音识别、大语言模型、声音克隆、口型同步，全部跑在自己的显卡上。 成品效果：一个网页背景是数字人，中间是语音球。你对着麦克风说话，她会用你克隆的音色回答，嘴型跟着话动

441

0

1