Edge0-AI/Audio8_TTS
Edge0-AI/Audio8_TTS has 2,394 GitHub stars and 288 forks. GitHot measured +14 stars in 24 hours. Last checked 2026-11-07 21:58 UTC. Last push 2026-11-02.
SOTA-Class TTS at Compact Scale
实测星标增长
- 24小时
- +14
- 7天
- 更新延迟
- 15天
- 更新延迟
- 1个月
- 更新延迟
各周期内的星标净变化，周期相互重叠，并非每日新增。缺失的测量保持空白。星标代表关注度，不代表软件质量。
README_zh.md
原文
模型版本
0.6B family
Audio8-TTS-Realistic-Air 在 Preview 基础上显著提升语音拟真感，保留相同的 0.6B 架构和零样本音色克隆能力。支持 23 种语言，相较 Preview 新增 12 种。
Audio8 也参与了 TTS Arena，目前收到的听众评分令人鼓舞。感谢每一位参与试听和投票的朋友。
| 版本 | 定位与语言 | 模型 | 试听 | 版本指南 |
|---|---|---|---|---|
| Realistic Air | 拟真感与韵律 · 23 种语言 | HF | Demo | 说明 |
ONNX： Realistic Air 目前暂无 ONNX 制品。
0.6B 详情：语言支持、快速开始与评测
Realistic Air 的语言支持
| 范围 | 语言 |
|---|---|
| Preview 已支持的 11 种 | 粤语、中文、荷兰语、英语、法语、德语、意大利语、日语、韩语、波兰语、西班牙语 |
| Realistic Air 新增的 12 种 | 阿拉伯语、芬兰语、印地语、印度尼西亚语、马来语、挪威语、葡萄牙语、俄语、瑞典语、泰语、土耳其语、越南语 |
说明： 语言质量存在差异；评测覆盖和正式支持清单并不相同。 分语言评测。
Realistic Air 快速开始
推荐 Python 3.10+ 和 CUDA GPU；在仓库根目录执行。模型 ID 显式指定，因此不会误用脚本保留的 Preview 默认路径。
git clone https://github.com/Edge0-AI/Audio8_TTS.git
cd Audio8_TTS
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python audio8_tts_infer.py \
--model Edge0/Audio8-TTS-Realistic-Air \
--text "你好，欢迎使用 Audio8 TTS。" \
--output outputs/realistic.wav
音色克隆时追加 --reference-audio reference.wav --reference-text "参考录音的准确文本。"。
0.6B 评测摘要
Audio8-TTS-Preview 与 Audio8-TTS-Realistic-Air，均为 0.6B：
| 基准 | 覆盖 | Preview 错误率 % ↓ | Realistic Air 错误率 % ↓ | Preview SIM ↑ | Realistic Air SIM ↑ |
|---|---|---|---|---|---|
| Seed-TTS | 英语 / 中文 | 1.23 | 1.25 | 0.682 | 0.704 |
| CV3 | 8 种共有语言 | 4.80 | 4.56 | — | 0.663 |
| CV3 | 9 种核心语言 | — | 4.86 | — | 0.661 |
| MiniMax | 24 种评测语言 | — | 5.89 | — | 0.754 |
错误率为百分数，越低越好；SIM 使用 0–1 范围，越高越好。两者不能直接衡量语音拟真感。
说明： 数值为各语言的无权重宏平均。Preview 数据来自其已发布 Model Card，SIM 由百分数换算为 0–1。两个版本分别评测；“—”表示 Preview 卡片未报告对应结果。Seed-TTS 平均英语 WER 与中文 CER，不含 hard Chinese；CV3 共有集为中、英、日、韩、德、法、西、意 8 种语言，9 语言集另含俄语，不含 hard 子集及 13 种扩展语言。MiniMax 平均全部 24 种评测语言，其中部分不在正式支持清单内。
0.1B family
Audio8-TTS-0.1B：支持零样本音色克隆的小巧、便携语音合成模型。
面向更小的部署体积，以中文和英语为主要支持语言。专用 ONNX INT8 运行时支持 CPU 推理、流式输出及本地 Web/HTTP 服务。
| 版本 | 定位与语言 | 模型 | 试听 | 版本指南 |
|---|---|---|---|---|
| Preview 0.1B | 小体积混合架构 · 以中英为主 | HF | Demo | 说明 |
0.1B 快速开始 · CPU / ONNX 运行时 · 0.1B 部署 · 模型许可
共用工具
共用工具通过显式模型 ID 选择版本；请使用对应版本的快速开始和部署说明。
SGLang Omni Serving
SGLang Omni 提供 paged attention、动态 batching 和兼容 OpenAI 的语音 API。0.6B 系列与 0.1B 混合架构模型使用各自的配置；部署指南保留现有性能数据及对应型号、硬件与测试条件。
许可与致谢
仓库代码和两个 0.6B 版本采用 Apache License 2.0。0.1B 权重采用独立的模型许可，各模型及导出制品以自身附带的许可为准。归属说明见 NOTICE。感谢 Fish Audio 团队公开 Fish Audio S2 Pro 使用的 DualAR 架构。