2. Linux.do
  3. TTS文字转语音模型咨询

TTS文字转语音模型咨询

Mark 2026-06-29 17:22 1

各位佬好，

最近在做一个小玩具，场景里涉及到聊天对话，文本模型接入的是deepseek v4 flash，再接一个TTS模型转人声。


TTS目前试过本地部署的index tts 2, qwen3 tts, moss-nano

也尝试了mimo tts 2.5

总体感觉下来index tts 2最强，支持音色克隆，情绪控制，人声效果也很好，可惜部署要求太高，5090显卡（租的算力平台）生成都需要很长时间

moss nano最快，但明显有ai感

qwen3 tts慢，人声效果中等

mimo是在线免费的，人声效果也不错，但是情感控制有些问题，经常出现一句话里都是一种情绪，或者不带情绪（情绪标签偶尔不生效？）


后续部署是想搞一台服务器，不带gpu，所以只能跑cpu或者在线模型了^-^


想请教各位大佬有没有什么模型推荐，或者有更好的方案^-^^-^


三色图原理我懂的^-^ 不过还是有侥幸心理。


谢谢各位！

最新回复 (16)
  • krui 06-29 17:31
    1楼

    我也在做这个需求，但是我不是底层，如果有合适的方案，可以分享下

  • lindaniel 06-29 17:36
    2楼

    恰好前段时间鼓捣本地语音助手，用过kokoro piper 和 chattts （按轻到重排序）

    总之确实就那句话 没法既要又要 每个模型都有自己的优缺点 如果想要效果很好又不需要什么硬件的只能走api路子 如果是玩具的话其实api方案可能更适合 现在效果好的ai tts听多了感觉这些轻量级的效果都不太行

  • Huanggtr 06-29 17:38
    3楼

    是的，本地的效果和效率确实很难兼容，综合下来我觉得 QWen3 TTS 的效果还是可以的。但是 QWen3 无法跑满 GPU 占用，所以可能会稍微慢一点。

  • darksky 06-29 17:39
    4楼

    我之前想搞听书的TTS ,大模型的话可以试试 VoxCPM ,或者 直接edge-tts 不用啥配置就能跑 效果也很不错

  • nianshou 06-29 17:40
    5楼

    index tts是b站出品的那个吧？速度慢占用高。之前一直在用gpt-sovits，不知道现在发展到什么阶段了

  • polaris 06-29 17:41
    6楼

    阿里云百炼的qwen3tts速度还可以吧

    api价格在语音模型里算是最便宜一档了

  • 炫彩小鱼干 06-29 17:42
    7楼

    可以试试fish s2.1 pro，昨天试了一下，好像有200分钟的免费额度，挺好用的，我是用来音色克隆，然后读小说。不过我有一个4090，所以长期部署了一个S2 PRO，效果挺自然的，实时率大概0.5，确实不算快


    之前用的是cosyvoice3，S2 PRO在中英混读场景下比之前的好很多

  • Mark 楼主 06-29 17:43
    8楼

    是这样的，之前用算力平台跑完indextts 2的效果后，感觉其他的都差点意思^-^

  • TinyInsect 06-29 17:45
    9楼



    这个应该是从seedance2.0里摘出来的，其实用来生成对话加音效环境音最好，那纯对话也肯定可以，而且情绪喘息自然度之类的就是第一梯队了，我是在火山引擎里测了测，免费额度多少分钟也没找到，api价格也没找到 ^-^，但是可以试试

  • Mark 楼主 06-29 17:45
    10楼

    哦对，cosyvoice3也试了，效果也可以的，忘说了^-^

    不过onnx q4版本跑下来5，6秒的语音要跑30多秒，有点太难受了^-^

    这就是没有gpu服务器的问题了，要是有还可以上cosyvoice3

  • Mark 楼主 06-29 17:46
    11楼

    收到，这个还真不知道，只知道有视频生成！

    我去试试这个，感谢佬！

  • Mark 楼主 06-29 17:46
    12楼

    是的，index tts 2有vllm加速版本，占用还可以接受了，有gpu的话比较好。

  • 黑化的皮蛋 06-29 17:47
    13楼

    cosyvoice3 用VLLM来作为后端推理速度就快了

  • dcchan 06-29 17:49
    14楼

    在 mac 上同样用 Qwen3 来做，一开始挺慢的，后来切换到 mlx 版本快了不少。可以试试不同的版本。

  • Mark 楼主 06-29 18:13
    15楼

    cosyvoice我看到原版是可以vllm加速的，不太清楚onnx版本能不能行，我晚上试试看^-^

  • Mark 楼主 06-29 18:13
    16楼

    是的，mlx版本就是给mac特别做的，是有加成^-^

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐