跳到主要内容

概述

Runtime Text To Speech文档

Runtime Text To Speech 是一款支持实时、离线、跨平台的文本转语音合成插件。它支持 40种语言，超过 900种音色 和 160+种音质 —— 现搭载 Kokoro 🚀，这是一个具有录音室品质输出的尖端开源语音模型家族。该插件快速轻量，非常适合需要自然语音输出的游戏、应用程序和项目。

目前，该插件支持以下平台：Windows、Linux、Mac、Android（包括 Meta Quest）和 iOS。

📹 观看演示
观看 YouTube 演示视频 或在 Piper 语音样本 测试通用语音样本。

Kokoro​

该插件现已集成 Kokoro 语音模型 —— 近期发布于 Hugging Face 的高质量开源 TTS 架构。

  • 53个高质量模型 覆盖7种语言：
    🇺🇸 英语（美式） • 🇬🇧 英语（英式） • 🇨🇳 简体中文 • 🇪🇸 西班牙语 • 🇧🇷 葡萄牙语 • 🇮🇳 印地语 • 🇫🇷 法语
  • 实时试听：测试 Kokoro 语音
为什么选择 Kokoro？

Kokoro 语音模型是目前可用的最高质量开源 TTS 解决方案之一。

安装​

首次使用时，通过插件设置安装语音模型。安装完成后，即可在项目中使用该插件。详细说明请参阅如何使用插件页面。

插件详情​

本插件使用 Piper、Kokoro 和 ONNX Runtime 库实现实时文本转语音合成。您可以通过编辑器下载和管理多个语音模型，这些模型可随项目打包发布。

核心功能包括文本输入处理和语音模型选择合成。部分语音模型支持多说话人 —— 例如英语 LibriTTS 包含超过 900 种不同说话人，德语 Thorsten Emotional 有7种说话人等。输出为PCM音频数据（浮点格式）及对应的采样率和声道数。如需将原始音频数据转换为可播放的声波，需配合使用 Runtime Audio Importer 插件。

其他资源​