前段时间分享了一个sparktts效果很不错，硬件依赖也低，还没看过的可以去看一下一键包：新开源TTS，零样本克隆声音，还能自主创建声音，只需要6G显存，文末一键包，最近又发现一款不错的tts，相比sparktts克隆声音更快，适合有时时对话需求的场景，话不多说，直接上干货，哈哈，项目支持本地和在线测试，文中有链接，可以直接测试。概述Orpheus TTS是建立在Llama-3B主链上的开源文本到语音系统。 Orpheus展示了使用LLM进行语音合成的新兴功能。它以其接近人类的自然情感表达、超低延迟的实时输出以及强大的零样本语音克隆能力，还将延迟压缩到令人惊叹的 25-50 毫秒，完美适配实时对话场景。并且提供了从 150M 到 3B 参数的四种型号，满足不同场景的需求。支持零样本语音克隆和灵活的情感控制，可让每个人都能轻松定制专属音色。能力类似人类的语音：自然语调，情感和节奏，优于SOTA封闭源模型 零拍的语音克隆：克隆声音而无需以前的微调 引导的情感和语调：带有简单标签的控制语音和情感特征 低延迟：〜200ms的实时应用程序流延迟，可降低至〜100ms，并使用输入流。
流推理示例 克隆这个仓库 gitclonehttps://github.com/canopyai/Orpheus-TTS.git 导航和安装软件包 cdOrpheus-TTS&&pipinstallorpheus-speech#usesvllmunderthehoodforfastinference VLLM在3月18日推出了一个版本，因此通过恢复到后来 解决了一些错误 在下面运行以下示例： fromorpheus_ttsimportOrpheusModelimportwaveimporttime
model = OrpheusModel(model_name ="canopylabs/orpheus-tts-0.1-finetune-prod")prompt ='''Man, the way social media has, um, completely changed how we interact is just wild, right? Like, we're all connected 24/7 but somehow people feel more alone than ever. And don't even get me started on how it's messing with kids' self-esteem and mental health and whatnot.'''
start_time = time.monotonic()syn_tokens = model.generate_speech( prompt=prompt, voice="tara", )
withwave.open("output.wav","wb")aswf: wf.setnchannels(1) wf.setsampwidth(2) wf.setframerate(24000)
total_frames =0 chunk_counter =0 foraudio_chunkinsyn_tokens:# output streaming chunk_counter +=1 frame_count =len(audio_chunk) // (wf.getsampwidth() * wf.getnchannels()) total_frames += frame_count wf.writeframes(audio_chunk) duration = total_frames / wf.getframerate()
end_time = time.monotonic() print(f"It took{end_time - start_time}seconds to generate{duration:.2f}seconds of audio")
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 15px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">https://huggingface.co/spaces/MohamedRashad/Orpheus-TTS想构造时时语音助手、有声读物，配音的可以搞起来了，哈哈ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 17px;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;orphans: 2;text-align: justify;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;letter-spacing: 0.578px;background-color: rgb(255, 255, 255);flex-shrink: 0;display: flex;z-index: 5;visibility: visible;">
| 
