EasyTTS

English version: README.en.md — EasyTTS turns a novel into a multi-character audiobook: split sentences, detect the speaker, generate one voice per character.

一个基于Flask的智能文本转语音(TTS)服务，集成了说话人识别功能，支持一键式多角色对话生成。

项目演示视频：哔哩哔哩

目前该项目仍处于早期阶段，正在积极开发中。有任何问题欢迎反馈。

功能特点

• 文本转语音：支持将文本转换为自然流畅的语音
• 说话人识别：基于BERT的说话人识别模型，可自动识别对话中的说话人
• 多角色语音：支持为不同角色分配不同的语音
• 文本预处理：智能分句、引号检测等
• Web API支持：提供RESTful API接口
• 跨平台GUI界面：基于PyQt6的图形界面

系统要求

• Python <= 3.11
• CUDA支持（用于GPU加速）
• 8GB+ RAM

安装说明

克隆仓库

git clone https://github.com/ZeroTang05/easytts.git
cd easytts

安装UV

推荐使用 uv 作为依赖管理工具。

如果你更想用conda/venv来管理环境也是可以的，我们提供了统一的requirements.txt。

uv安装方法：

# Windows:
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
# 安装完成后按提示设置环境变量

# macOS/Linux:
# 方法1: curl
curl -LsSf https://astral.sh/uv/install.sh | sh
# 方法2: wget
wget -qO- https://astral.sh/uv/install.sh | sh

# 重要：安装完成后请运行以下命令重新加载配置文件，或者重启命令行 / IDE
source ~/.bashrc  # 如果使用 bash
source ~/.zshrc   # 如果使用 zsh

更多 uv 安装方法参考：Installing uv

确认 uv 已正确安装:

uv --version

安装依赖

创建环境并安装依赖:

# 确保你在项目根目录下运行这个命令
uv sync
# 这个命令将创建一个 `.venv` 虚拟环境，并一键安装好项目所需的包

下载模型文件

到 huggingface 下载模型后

将模型文件放置在项目的根目录的 model/chinese-roberta-wwm-ext-large-csi-v1/ 目录下

使用方法

启动服务器

uv run python app.py

服务器默认运行在 http://127.0.0.1:10032

启动GUI客户端

uv run python main.py

项目结构

.
├── app.py              # Flask服务器主程序
├── main.py             # GUI客户端主程序
├── src/
│   ├── client/         # TTS客户端实现
│   ├── speaker_identification/  # 说话人识别模块
│   ├── ui/             # GUI界面定义
│   └── utils.py        # 工具函数
└── cache/              # 缓存目录
    ├── audio/          # 音频文件缓存
    ├── text/           # 文本文件缓存
    └── speaker_identification/  # 说话人识别结果缓存

---

需要一个能落地 AI 能力的开发者？

批量 TTS、角色配音、模型部署这类活我接：把模型接进真实流程里、跑在别人机器上、还能收钱。 我做 AI 应用全栈——模型接入、实时系统、支付订阅、部署运维，一个人交付完整链路。

• 服务目录与作品集
• 接单行情报告:438 个真实在招项目的价格分布
• 需求诊断台:贴一段需求，30 秒出可行性、方案与报价区间

许可证

Apache-2.0

贡献

欢迎提交Issue和Pull Request！

致谢

• Edge-TTS - 提供Edge TTS服务支持
• chinese-roberta-wwm-ext-large - 中文预训练BERT模型
• yudiandoris/csi: End-to-End Chinese Speaker Identification - 端到端引文说话人识别模块