🐸TTS 是一个用于高级文本转语音生成的深度学习工具包，由 Coqui AI 开源，已在研究与生产中得到验证。
用途： 主要用于将文本合成为语音，并提供训练新模型、微调已有模型、分析语音数据集的能力。适合研究人员、开发者和需要构建 TTS 应用的生产团队。
主要能力：
- 提供超过 1100 种语言的预训练模型。
- 支持训练新模型与微调现有模型，可使用任意语言。
- 提供数据集分析与整理工具（位于 dataset_analysis 目录）。
- 支持多说话人 TTS，可通过 speaker_id 选择说话人。
- 支持语音转换：可将源音频转换为目标音频的音色，也可用于声音克隆。
- 模型涵盖 Text2Spec（Tacotron、Tacotron2、Glow-TTS、SpeedySpeech、Align-TTS、FastPitch、FastSpeech、FastSpeech2、SC-GlowTTS、Capacitron、OverFlow、Neural HMM TTS、Delightful TTS 等）、声码器（MelGAN、Multiband-MelGAN、GAN-TTS、ParallelWaveGAN、WaveGrad、WaveRNN 等）、端到端模型（YourTTS、Tortoise、Bark）以及说话人编码器。
- 新特性：XTTSv2 支持 16 种语言，整体性能更好；XTTS 微调代码已发布；XTTS 支持流式输出，延迟低于 200ms；XTTS 生产模型可讲 13 种语言；Bark 支持无约束声音克隆推理；可使用约 1100 个 Fairseq 模型；Tortoise 支持更快推理。
- 提供高效的训练流程、终端与 Tensorboard 详细训练日志、灵活轻量的 Trainer API。
使用方式：
- 运行环境：在 Ubuntu 18.04 上测试，要求 Python >= 3.9 且 < 3.12。
- 若仅使用已发布模型合成语音，可从 PyPI 安装；若需编码或训练模型，则克隆仓库并本地安装。官方提供了 Ubuntu/Debian 与 Windows 的安装说明，也可通过 Docker 镜像免安装使用。
- 命令行工具：使用
tts命令。例如tts --text "Text for TTS" --out_path output/path/speech.wav可生成语音；可通过--model_name、--vocoder_name选择模型；tts --list_models列出可用模型；tts --model_info_by_name或--model_info_by_idx查询模型信息；支持多说话人模型指定--speaker_idx；可使用自训练模型通过--model_path与--config_path指定。 - 也提供 Python API 进行语音合成与语音转换。
- Fairseq 模型命名格式：
tts_models/<lang-iso_code>/fairseq/vits。
适用场景： 语音合成研究与开发、生产环境 TTS 部署、多语言语音生成、多说话人语音系统、语音克隆与语音转换、自定义 TTS 模型训练与微调。
限制： 资料中未提供具体的价格与收费信息。性能对比图中带下划线的 “TTS*” 和 “Judy*” 是未开源的内部模型，仅用于展示潜力；以点开头的模型（.Jofish .Abe .Janice）对应真实人声。完整的安装细节（如 Windows 与 Docker 的具体命令）需参考官方链接。
