6 亿参数玩转 20 + 语言!OuteTTS-1.0-0.6B本地部署教程,轻量模型也能 hold 住跨语言合成

一、模型介绍

OuteTTS-1.0-0.6B 是 OuteAI 于 2025 年 5 月发布的开源语音合成模型,基于 Qwen-2.5-0.5B 架构优化,参数规模 6 亿,专注于轻量级高性能语音合成。

该模型通过创新技术路径实现了多语言支持、声音克隆和低资源消耗的平衡,在边缘计算、移动应用等场景展现出独特优势。

技术特性:轻量化与多模态融合

模型采用 LLaMa 架构基础,结合 WavTokenizer 音频标记化技术,将连续音频波形转换为离散令牌序列,每秒处理 150 个令牌。通过 CTC 强制对齐技术,实现文本与音频的精确映射,无需预处理即可生成时间戳对齐的语音流。窗口化重复惩罚机制的引入,显著提升了语音输出的连贯性和自然度,尤其在长文本合成中表现稳定。

多语言支持是其核心亮点之一。模型直接支持英语、中文、阿拉伯语等 20 余种语言的文本输入,无需罗马化处理。训练数据覆盖高资源语言(如英语、中文)和中等资源语言(如葡萄牙语、波斯语),未训练语言也可生成语音但效果有限。

二、模型部署步骤

模型部署环境

ubuntu 22.04.4 LTS
cuda 12.4.1
python 3.10
NVIDIA Corporation RTX4090

1.更新基础的软件包

查看系统版本信息

bash 复制代码
#查看系统的版本信息,包括ID(如ubuntu、centos等)、版本号、名称、版本号ID等
cat /etc/os-release

配置国内源

csharp 复制代码
#更新软件列表
apt-get update

apt配置阿里源

bash 复制代码
vim  /etc/apt/sources.list

将以下内容粘贴进文件中

arduino 复制代码
deb http://mirrors.aliyun.com/debian/ bullseye main non-free contrib
deb-src http://mirrors.aliyun.com/debian/ bullseye main non-free contrib
deb http://mirrors.aliyun.com/debian-security/ bullseye-security main
deb-src http://mirrors.aliyun.com/debian-security/ bullseye-security main
deb http://mirrors.aliyun.com/debian/ bullseye-updates main non-free contrib
deb-src http://mirrors.aliyun.com/debian/ bullseye-updates main non-free contrib
deb http://mirrors.aliyun.com/debian/ bullseye-backports main non-free contrib
deb-src http://mirrors.aliyun.com/debian/ bullseye-backports main non-free contrib

2.基础Miniconda3环境

看系统是否有miniconda的环境

复制代码
conda -V

显示如上输出,即安装了相应环境,若没有miniconda的环境请安装

3.创建虚拟环境

创建名为"Outetts"的虚拟环境

ini 复制代码
conda create -n OuteTTs python=3.10 -y

激活虚拟环境

复制代码
conda activate OuteTTs

4.下载模型

输入命令克隆OuteTTS项目

bash 复制代码
git clone https://github.com/edwko/OuteTTS.git
cd OuteTTS

5.安装pytorch环境

安装pytorch,选择合适的版本安装,建议python版本至少为3.9及以上

perl 复制代码
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

持续等待直至出现"successfully"开头的提示,则安装成功

6.下载依赖库

erlang 复制代码
pip install -e .

依赖库下载时间较长,直至出现"successfully"显示下载成功

7.存储模型运行命令

创建demo.py文件

复制代码
vim demo.py
bash 复制代码
cat demo.py

运行模型测试命令

复制代码
python demo.py

三、UI界面

下载其他缺失依赖包

复制代码
pip install gradio

访问界面

复制代码
python app.py

出现如上显示可通过项目实例的开放端口进行访问,输入需要生成语音的文本包括中文及英文即可合成

相关推荐
ZStack开发者社区1 小时前
首批 | 云轴科技ZStack加入施耐德电气技术本地化创新生态
人工智能·科技·云计算
X Y O2 小时前
神经网络初步学习3——数据与损失
人工智能·神经网络·学习
唯创知音2 小时前
玩具语音方案选型决策OTP vs Flash 的成本功耗与灵活性
人工智能·语音识别
Jamence2 小时前
多模态大语言模型arxiv论文略读(151)
论文阅读·人工智能·语言模型·自然语言处理·论文笔记
tongxianchao2 小时前
LaCo: Large Language Model Pruning via Layer Collapse
人工智能·语言模型·剪枝
HyperAI超神经2 小时前
OmniGen2 多模态推理×自我纠正双引擎,引领图像生成新范式;95 万分类标签!TreeOfLife-200M 解锁物种认知新维度
人工智能·数据挖掘·数据集·图像生成·医疗健康·在线教程·数学代码
网安INF3 小时前
深度学习中批标准化与神经网络调优
人工智能·深度学习·神经网络·机器学习
开开心心_Every3 小时前
便捷的电脑自动关机辅助工具
开发语言·人工智能·pdf·c#·电脑·音视频·sublime text
EnochChen_3 小时前
多实例学习简介
人工智能
路溪非溪3 小时前
Tensorflow的安装记录
人工智能·tensorflow·neo4j