PilotTTS是一款基于大语言模型的开源文本转语音系统，支持11种情绪控制与4种副语言控制（笑声、呼吸等），可实现音色克隆和零样本个性化语音生成。适用于数字人配音、有声书制作等场景。需要Windows 10/11、16G以上内存、8G显存NVIDIA显卡，解压后约26.7G。
Tags:
PilotTTS 是一款基于大语言模型（LLM）的文本转语音系统，采用“简化但高效”的架构设计，在完全开源组件基础上，通过高质量数据工程实现了接近业界顶级水平的语音生成效果。相比依赖复杂闭源流程的传统 TTS 系统，PilotTTS 更强调开放性、可控性与高质量训练数据构建。
该系统不仅在说话人相似度与文本内容准确率方面表现出色，还支持丰富的情绪与副语言控制，使生成语音更加自然、生动且富有表现力。
开源地址：https://github.com/AMAPVOICE/PilotTTS
整合包获取方式：
在公众号后台回复关键字【PilotTTS】获取整合包
软件功能：
• 语音合成：将输入文本生成自然流畅的人声语音，适合快速制作高质量音频内容
• 音色克隆：通过参考音频还原目标说话人音色，实现零样本个性化语音生成
• 情绪控制：支持多种情绪标签调节，让合成语音具备更强表现力和感染力
• 副语言控制：可插入笑声、呼吸、哭泣、咳嗽等事件，增强语音真实感
• 开源流程：公开数据清洗与标注管线，便于研究者复现、优化和二次开发
应用场景：
• 数字人配音：为虚拟主播、AI 数字人生成自然且带情绪变化的实时语音
• 内容创作：用于视频旁白、短剧解说、播客和有声书等音频内容批量制作
• 游戏配音：为不同角色生成匹配性格与情绪的台词语音，提升沉浸体验
• 情感交互：应用于智能客服、陪伴机器人等场景，提供更自然的语音回应
• 声音复刻：基于少量参考音频克隆指定音色，满足个性化朗读和配音需求
配置要求：
电脑需满足以下配置：
• 操作系统：Windows 10/11 64位 • 内存：建议16G以上 • 显卡：至少8G及以上显存的英伟达（NVIDIA）显卡 • CUDA：显卡支持的CUDA版本大于等于12.8版本 （如不知道显卡支持的CUDA版本，可点击此链接查看：https://aiyy.info/supported-cuda-versions/） • 整个包解压完约26.7G，要留足硬盘空间
如何查看显卡品牌型号和显存
• 打开任务管理器 • 点击“性能” • 点击“GPU” • 右上角可以看到显卡型号，下方可以看到显存大小
使用教程：
① 打开下载页面（https://aiyy.info/pilottts/）点击页面右侧下载按钮（手机端在页面底部），下载整合包之后解压，建议使用winrar解压（解压软件在文件包中，或者可以自己下载安装，下载地址：https://www.winrar.com.cn/）
不要用Windows自带解压！！不要用360解压！！
注意：文件夹路径和文件名称（包括音频、图片、视频等文件名称）不要出现中文字符，否则部分软件会因识别不出而报错
② 双击“一键启动.bat”，稍等片刻会在浏览器中自动打开操作界面
③ 零样本克隆：使用基础模型，根据参考音频克隆音色并朗读目标文本，无需额外标注。
添加参考音频，输入需要合成的文本，然后点击“开始合成”即可
生成结果位于右侧， 可以播放试听，点击下载按钮可以保存至指定文件夹
④ 指令合成：使用指令模型，在克隆音色的同时控制情感、副语言事件或语言（中文/英语）。
添加参考音频，输入需要合成的文本，可以在文本中添加副语言标签（支持笑声、换气、咳嗽、哭泣等），可以选择情感标签（支持开心、悲伤、愤怒、惊讶、恐惧、厌恶、严肃、关切、忧郁、轻蔑、中性/平静、心理活动等），选择语言（中文/英文），然后点击“开始合成”即可
生成结果位于右侧， 可以播放试听，点击下载按钮可以保存至指定文件夹
⑤ 在文件包中的“outputs”文件夹中也能找到生成结果
在公众号后台回复关键字【PilotTTS】获取整合包
更多 AI 软件获取方式
没有评论:
发表评论