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

查看系统是否有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