跳到主要内容

概述

Runtime Text To Speech Documentation

Runtime Text To Speech 是一个插件，支持实时、离线、跨平台的文字转语音合成。它支持40种语言，超过900种声音以及160+种语音特征，现在引入了Kokoro 🚀，一个具有录音室质量输出的尖端开源语音模型系列。该插件快速、轻量，非常适合需要自然语音的游戏、应用和项目。

目前，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 或测试通用语音样本 Piper Samples。

Kokoro​

插件现在实现了 Kokoro 语音模型 - 最近在 Hugging Face 上发布的高质量开源 TTS 框架。

  • 45个高质量模型，涵盖6种语言：
    🇺🇸 英语（美国） • 🇬🇧 英语（英国） • 🇪🇸 西班牙语 • 🇧🇷 葡萄牙语 • 🇮🇳 印地语 • 🇫🇷 法语
  • 可实时预览：测试 Kokoro 语音
为什么选择 Kokoro?

Kokoro 语音模型目前是 最高质量的开源 TTS 解决方案之一。

安装​

要开始，首次运行时通过插件设置安装语音模型。安装后，即可在项目中使用该插件。有关详细说明，请参阅 如何使用插件 页面。

插件详情​

此插件使用 Piper、Kokoro 以及 ONNX Runtime 库提供实时文字转语音合成。插件允许您通过编辑器下载和管理多个语音模型，然后可以与您的项目一起打包。

核心功能包括文本输入处理和语音模型选择进行合成。一些语音模型支持多位发言者 - 例如，英语 LibriTTS 包含超过900位不同发言者，德语 Thorsten Emotional 有7位发言者等。输出为PCM音频数据（浮点格式）以及相应的采样率和通道数。将此原始音频数据转换为可播放的声波需要 Runtime Audio Importer 插件。

其他资源​