Tortoise TTS
neonbjb/tortoise-ttsAI 已审核
RepoPicks Radar 检查于
Tortoise TTS 是什么?
Tortoise 是一个为自然语调和多种声音设计的文本转语音程序。给它一句话或一整个文本文件,它就会生成朗读的音频;给它几段某个声音的录音片段,它就能用那个声音朗读。可以从命令行或 Python 中使用,并提供了用于单句、长文本和流式输出的脚本。要在你自己的电脑上运行,需要一个 conda 环境、Python 3.9 和一块 NVIDIA 显卡;也有一条 Apple Silicon 的路径,但它运行在处理器上。Hugging Face 上有一个免费的演示页面。
Tortoise TTS 免费开源(Apache-2.0),可以替代 ElevenLabs、Murf和Speechify。
Tortoise TTS 安装有多容易?
A · 下载即用 · Web
- Windows D
- macOS D
- Linux D
- Web A
快捷的方式是 README 中链接的 Hugging Face 在线演示页面,不需要安装任何东西。每一种本地方式都要在终端里操作:"If you want to use this on your own computer, you must have an NVIDIA GPU",在 Windows 和 Linux 上需要 miniconda、一个 Python 3.9 环境和与之匹配的 PyTorch 版本,或者一个 Docker 镜像;在 Apple Silicon 上你需要安装一个 nightly 版本的 PyTorch,DeepSpeed 会被禁用,还可能需要设置 `PYTORCH_ENABLE_MPS_FALLBACK=1`。
Tortoise TTS 的 GitHub 数据
- 星标
- 14,8942026年11月10日
- 下载量
- —所有发布版本
- 增长
- +16 天内新增星标
星标变化
事实
- 可运行于
- Windows, macOS, Linux, Web
- 需要安装
- 只需程序本身
- 从源码编译需要
- Python, Docker, FFmpeg
- 磁盘空间
- 150 MB–450 MB · 估算
- 账号或密钥
- 无
- 费用
- 免费 · 免费且采用 Apache 2.0 许可证,模型权重托管在 Hugging Face 上。按照 README 的建议,用显卡复制一份演示页面以跳过排队,这在 Hugging Face 上是收费的。
- 许可证
- Apache-2.0 (宽松型)
- 可以替代
- ElevenLabs, Murf, Speechify
- GitHub 上的最近改动
- 2024年11月19日
Tortoise TTS 的风险信号 (5)
- 注意依赖存在已知漏洞
存在已知漏洞的固定依赖项(OSV):transformers:GHSA-29pf-2h5f-8g72、GHSA-37mw-44qp-f5jm、GHSA-37q5-v5qm-c9v8;nbconvert:GHSA-9754-6rhw-gj3h、GHSA-9jmq-rx5f-8jwq、GHSA-xm59-rqc7-hhvf;tornado:GHSA-3hv7-mjh2-fv65、GHSA-3x9g-8vmp-wqvf、GHSA-753j-mpmx-qq6g;pydantic:GHSA-mr82-8j83-vxmv、PYSEC-2026-1812;deepspeed:GHSA-8cp5-3rf8-8gfh、PYSEC-2024-109
自动检查
- 注意声音克隆被冒用的风险
该 API 接受真实声音的 `reference_clips`(`tts.tts_with_preset("your text here", voice_samples=reference_clips)`),仓库还附带了一份 `voice_customization_guide.md`,因此任何人的声音都可能从录音中被复制出来;README 中对此没有任何免责声明。
AI 审核
- 注意缺乏维护
最近一次提交是在 2024-11-19,距本次检查 719 天,有 349 个未解决的 issue,从未发布过任何版本。
AI 审核
- 信息依赖版本非常陈旧
requirements.txt 固定了 `tornado==4.2`、`nbconvert==5.3.1`、`pydantic==1.9.1`、`transformers==4.31.0` 和 `deepspeed==0.8.3`,README 自己也提醒,如果不用 conda,"you will spend a lot of time chasing dependency problems"。
AI 审核
- 信息关于速度的说法互相矛盾
README 中一方面说 "this model is insanely slow ... expect to generate a medium sized sentence every 2 minutes",另一方面又说 "not so slow anymore now we can get a **0.25-0.3 RTF** on 4GB vram",但没有说明哪种配置对应哪种结果。
AI 审核
证据以原始语言显示。
Radar 无法验证的 Tortoise TTS 相关内容
- 在当前的显卡上,以及在 Apple Silicon 上,一句话实际需要多长时间
- 使用这些固定版本,conda 和 pip 的安装是否还能顺利完成
- 从 Hugging Face 下载后,模型文件占用多少磁盘空间
- 社区维护的演示页面是否还在线,以及它如何处理你上传的音频
- 检查发现的固定依赖包中的已知问题,是否会影响本地使用