MeloTTS完整指南20分钟从零到六语种实时语音合成【免费下载链接】MeloTTSHigh-quality multi-lingual text-to-speech library by MyShell.ai. Support English, Spanish, French, Chinese, Japanese and Korean.项目地址: https://gitcode.com/GitHub_Trending/me/MeloTTSMeloTTS 是 MyShell.ai 开源的多语种文本转语音text-to-speech库支持中文、日语、韩语、西班牙语、法语以及 5 种英语口音纯 CPU 即可实时推理。它解决的是个人和小团队多语种配音需要东拼西凑多个服务的痛点。第一次跑通裸机到出声只需 3 步环境卡住了MeloTTS 的依赖链看着长requirements.txt 里有 20 多个包但真正要动手的只有两步装依赖、下日语词典。步骤1克隆并安装依赖官方验证过的环境项推荐值说明操作系统Ubuntu 20.04官方在此环境开发测试Python3.9与官方测试版本一致硬件CPU 即可官方确认 CPU 能实时推理GPU 非必需克隆并安装安装脚本会自动进入可编辑模式# 克隆仓库 git clone https://gitcode.com/GitHub_Trending/me/MeloTTS cd MeloTTS# 安装依赖 下载日语 MeCab 词典unidic pip install -e . python -m unidic download知识卡片setup.py 在安装钩子里已经带了一步unidic download如果你用的是国内网络源建议手动补跑一次词典下载避免 WebUI 启动时弹提醒。✅ 验证一下核心模块能正常导入python -c from melo.api import TTS; print(MeloTTS OK)步骤2用 CLI 合成第一条语音第一次出声建议直接走命令行比写 Python 快# 默认英文、默认音色合成到 output.wav melo Text to read output.wav✅ 验证确认当前目录生成了output.wav且能正常播放。CLI 完整参数用melo --help查看。步骤3可选Windows/macOS 卡壳时切 Docker⚠️避坑警示macOS 和 Windows 上 mecab、gruut 这类含 C 扩展的依赖偶尔编译失败。别死磕官方给出的绕法就是 Docker几分钟的事。# 构建镜像需已安装 Docker docker build -t melotts .# 启动并映射 8888 端口有 GPU 可加 --gpus all docker run -it -p 8888:8888 melotts✅ 验证浏览器打开http://localhost:8888看到 WebUI 界面即环境就绪。4 个高频合成场景与最小代码跑通之后下面这 4 个场景覆盖了日常 90% 的需求。英文多口音切换1 个模型 5 种说话人英语模型内置 5 个说话人同一段文本换个 speaker 就是不同口音Speaker ID口音EN-Default默认EN-US美式EN-BR英式EN_INDIA印度口音EN-AU澳式# 同一句话合成美式和英式两种口音 from melo.api import TTS model TTS(languageEN, deviceauto) spk model.hps.data.spk2id model.tts_to_file(Did you ever hear a folk tale?, spk[EN-US], en-us.wav) model.tts_to_file(Did you ever hear a folk tale?, spk[EN-BR], en-br.wav)中英混读不用切换语种知识卡片中文模型实际加载的是ZH_MIX_EN模型见 melo/api.py所以中文句子里夹英文单词能直接自然读出来不用先分词再切换。# 中英混合文本一次合成 from melo.api import TTS model TTS(languageZH, devicecpu) spk model.hps.data.spk2id model.tts_to_file(我最近在学习 machine learning, spk[ZH], zh.wav)WebUI无代码出六语种不想写代码一条命令拉起 Gradio 界面语言、音色、语速全在页面上点选# 启动 WebUI六个语种模型会在启动时加载 melo-ui界面里语速滑杆范围是 0.1~10.0默认 1.0。启动稍慢属正常——它一次加载全部 6 个语种的模型。从文件批量读 指定语速长文直接喂文件避免转义引号的问题# 从文件读文本指定中文和 1.5 倍速 melo file.txt out.wav --file -l ZH -s 1.5⚠️避坑警示--file忘加的话CLI 会把file.txt当成要朗读的字符串文本合成出一句file dot txt。调优前必知的 3 类关键参数合成效果不满意时先动下面这几个参数比改模型快得多。参数速查表参数取值/选项作用deviceauto / cpu / cuda / mpsauto 有 GPU 用 GPU没有自动落回 CPUspeed0.1 ~ 10.0语速倍率内部换算为 length_scale1/speedsdp_ratio0~1默认 0.2声音表现力调高更灵动但可能不稳noise_scale默认 0.6噪声注入量越大越自然noise_scale_w默认 0.8音高维度的噪声影响抑扬顿挫自定义参数写进去上面五个参数里除 device 外其余都在tts_to_file的调用里直接传# 显式指定音质参数合成 model.tts_to_file(text, spk_id, out.wav, sdp_ratio0.2, noise_scale0.6, noise_scale_w0.8, speed1.0)知识卡片批量出片时先别动参数——默认值就是调校过的平衡点听完再针对具体语种微调改一个参数听一遍别一次全改。避坑手册按现象排查❌ WebUI 启动时提示缺少 unidic执行一次 python -m unidic download 即可。❌ 首次合成卡顿/下载慢模型是首次 TTS(language...) 时自动下载并本地缓存的见 [melo/download_utils.py](https://link.gitcode.com/i/a882f8cb2f79a760029ff9670fe8d442)耐心等第一次之后就走缓存。❌ 非英语语种传 speaker 无效speaker 参数只对 languageEN 生效其他语种自动取模型默认说话人[melo/main.py](https://link.gitcode.com/i/a6228cfb871bc9528a6bd777844a4650) 中有此逻辑。❌ CLI 读文件提示 FileNotFoundError确认加了 --file 标志且路径真实存在。❌ macOS/Windows 装依赖反复失败换 Docker 方案docker build -t melotts . 后 docker run -it -p 8888:8888 melotts。❌ 想训自己的音色/语种走 [docs/training.md](https://link.gitcode.com/i/bf54e98f6aad607e4136d05cfacadc92)准备 44100Hz 音频和 metadata.list → python preprocess_text.py --metadata ... → bash train.sh 。❌ 训练时显存不足CUDA OOM编辑预处理生成的 config.json调小 batch size 再重启训练。更多安装细节和全部 API 示例见 docs/install.md免安装在线体验入口在 docs/quick_use.md。【免费下载链接】MeloTTSHigh-quality multi-lingual text-to-speech library by MyShell.ai. Support English, Spanish, French, Chinese, Japanese and Korean.项目地址: https://gitcode.com/GitHub_Trending/me/MeloTTS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/20 20:41:27 · 阅读 1.2k MeloTTS完整指南：20分钟从零到六语种实时语音合成
MeloTTS完整指南20分钟从零到六语种实时语音合成【免费下载链接】MeloTTSHigh-quality multi-lingual text-to-speech library by MyShell.ai. Support English, Spanish, French, Chinese, Japanese and Korean.项目地址: https://gitcode.com/GitHub_Trending/me/MeloTTSMeloTTS 是 MyShell.ai 开源的多语种文本转语音text-to-speech库支持中文、日语、韩语、西班牙语、法语以及 5 种英语口音纯 CPU 即可实时推理。它解决的是个人和小团队多语种配音需要东拼西凑多个服务的痛点。第一次跑通裸机到出声只需 3 步环境卡住了MeloTTS 的依赖链看着长requirements.txt 里有 20 多个包但真正要动手的只有两步装依赖、下日语词典。步骤1克隆并安装依赖官方验证过的环境项推荐值说明操作系统Ubuntu 20.04官方在此环境开发测试Python3.9与官方测试版本一致硬件CPU 即可官方确认 CPU 能实时推理GPU 非必需克隆并安装安装脚本会自动进入可编辑模式# 克隆仓库 git clone https://gitcode.com/GitHub_Trending/me/MeloTTS cd MeloTTS# 安装依赖 下载日语 MeCab 词典unidic pip install -e . python -m unidic download知识卡片setup.py 在安装钩子里已经带了一步unidic download如果你用的是国内网络源建议手动补跑一次词典下载避免 WebUI 启动时弹提醒。✅ 验证一下核心模块能正常导入python -c from melo.api import TTS; print(MeloTTS OK)步骤2用 CLI 合成第一条语音第一次出声建议直接走命令行比写 Python 快# 默认英文、默认音色合成到 output.wav melo Text to read output.wav✅ 验证确认当前目录生成了output.wav且能正常播放。CLI 完整参数用melo --help查看。步骤3可选Windows/macOS 卡壳时切 Docker⚠️避坑警示macOS 和 Windows 上 mecab、gruut 这类含 C 扩展的依赖偶尔编译失败。别死磕官方给出的绕法就是 Docker几分钟的事。# 构建镜像需已安装 Docker docker build -t melotts .# 启动并映射 8888 端口有 GPU 可加 --gpus all docker run -it -p 8888:8888 melotts✅ 验证浏览器打开http://localhost:8888看到 WebUI 界面即环境就绪。4 个高频合成场景与最小代码跑通之后下面这 4 个场景覆盖了日常 90% 的需求。英文多口音切换1 个模型 5 种说话人英语模型内置 5 个说话人同一段文本换个 speaker 就是不同口音Speaker ID口音EN-Default默认EN-US美式EN-BR英式EN_INDIA印度口音EN-AU澳式# 同一句话合成美式和英式两种口音 from melo.api import TTS model TTS(languageEN, deviceauto) spk model.hps.data.spk2id model.tts_to_file(Did you ever hear a folk tale?, spk[EN-US], en-us.wav) model.tts_to_file(Did you ever hear a folk tale?, spk[EN-BR], en-br.wav)中英混读不用切换语种知识卡片中文模型实际加载的是ZH_MIX_EN模型见 melo/api.py所以中文句子里夹英文单词能直接自然读出来不用先分词再切换。# 中英混合文本一次合成 from melo.api import TTS model TTS(languageZH, devicecpu) spk model.hps.data.spk2id model.tts_to_file(我最近在学习 machine learning, spk[ZH], zh.wav)WebUI无代码出六语种不想写代码一条命令拉起 Gradio 界面语言、音色、语速全在页面上点选# 启动 WebUI六个语种模型会在启动时加载 melo-ui界面里语速滑杆范围是 0.1~10.0默认 1.0。启动稍慢属正常——它一次加载全部 6 个语种的模型。从文件批量读 指定语速长文直接喂文件避免转义引号的问题# 从文件读文本指定中文和 1.5 倍速 melo file.txt out.wav --file -l ZH -s 1.5⚠️避坑警示--file忘加的话CLI 会把file.txt当成要朗读的字符串文本合成出一句file dot txt。调优前必知的 3 类关键参数合成效果不满意时先动下面这几个参数比改模型快得多。参数速查表参数取值/选项作用deviceauto / cpu / cuda / mpsauto 有 GPU 用 GPU没有自动落回 CPUspeed0.1 ~ 10.0语速倍率内部换算为 length_scale1/speedsdp_ratio0~1默认 0.2声音表现力调高更灵动但可能不稳noise_scale默认 0.6噪声注入量越大越自然noise_scale_w默认 0.8音高维度的噪声影响抑扬顿挫自定义参数写进去上面五个参数里除 device 外其余都在tts_to_file的调用里直接传# 显式指定音质参数合成 model.tts_to_file(text, spk_id, out.wav, sdp_ratio0.2, noise_scale0.6, noise_scale_w0.8, speed1.0)知识卡片批量出片时先别动参数——默认值就是调校过的平衡点听完再针对具体语种微调改一个参数听一遍别一次全改。避坑手册按现象排查❌ WebUI 启动时提示缺少 unidic执行一次 python -m unidic download 即可。❌ 首次合成卡顿/下载慢模型是首次 TTS(language...) 时自动下载并本地缓存的见 [melo/download_utils.py](https://link.gitcode.com/i/a882f8cb2f79a760029ff9670fe8d442)耐心等第一次之后就走缓存。❌ 非英语语种传 speaker 无效speaker 参数只对 languageEN 生效其他语种自动取模型默认说话人[melo/main.py](https://link.gitcode.com/i/a6228cfb871bc9528a6bd777844a4650) 中有此逻辑。❌ CLI 读文件提示 FileNotFoundError确认加了 --file 标志且路径真实存在。❌ macOS/Windows 装依赖反复失败换 Docker 方案docker build -t melotts . 后 docker run -it -p 8888:8888 melotts。❌ 想训自己的音色/语种走 [docs/training.md](https://link.gitcode.com/i/bf54e98f6aad607e4136d05cfacadc92)准备 44100Hz 音频和 metadata.list → python preprocess_text.py --metadata ... → bash train.sh 。❌ 训练时显存不足CUDA OOM编辑预处理生成的 config.json调小 batch size 再重启训练。更多安装细节和全部 API 示例见 docs/install.md免安装在线体验入口在 docs/quick_use.md。【免费下载链接】MeloTTSHigh-quality multi-lingual text-to-speech library by MyShell.ai. Support English, Spanish, French, Chinese, Japanese and Korean.项目地址: https://gitcode.com/GitHub_Trending/me/MeloTTS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考