TTS 开源项目

汇集 GitHub 上优秀的 TTS 开源项目，持续更新。

Suno AI 开源的 Transformer 文本转音频模型，不仅能合成语音，还能生成笑声、叹息、音乐和背景音效。

专为对话场景设计的 TTS 模型，支持细粒度韵律控制和多说话人，2026 年 4 月持续更新。

知名端到端 TTS 框架，提供 XTTS 多语言语音克隆能力，支持模型训练与微调，社区生态丰富。

阿里通义实验室开源的流式 TTS 大模型，CosyVoice 2 中文 MOS 4.7 登顶评测，支持方言和指令控制。

基于 Flow Matching 的新一代非自回归 TTS 模型，推理速度极快，音质出色。

基于 VQ-GAN 和语言模型的 TTS 框架，最新 S2 Pro 版本拥有 4B 参数，支持 80+ 种语言，覆盖 1000 万小时训练数据。

少样本语音克隆的里程碑项目，融合 GPT 和 SoVITS 架构，仅需 1 分钟音频即可克隆语音。

仅 82M 参数的高性能多语言 TTS 模型，Apache 2.0 可商用，4GB VRAM 即可运行。

MyShell 开源的轻量级中文 TTS 模型，支持 CPU 实时推理，特别适合端侧部署。

MyShell 开源的语音克隆框架，支持细粒度的音色和风格控制，只需短音频即可克隆。

阿里通义 Qwen 团队开源的多语言语音合成系列模型，支持语音克隆、声音设计、流式生成和自然语言指令控制。

港科大与出门问问联合开发的轻量级零样本语音克隆模型，基于 Qwen2.5 架构，仅 0.5B 参数即可实现高质量语音合成。

微软开源的项目，最初为 1.5B 长音频 TTS 模型。2025 年 9 月起 TTS 训练/推理代码已移除，项目转向 ASR 与语音处理。

经典的端到端 TTS 模型，单阶段 VAE 架构，直接文本到波形输出，是后续众多 TTS 项目的基础。

OpenBMB 推出的 VoxCPM2 无分词器语音合成模型，2B 参数，支持 30 种语言和 8 大方言，48kHz 录音棚级音质输出，具备语音编辑与声音设计能力。