Orpheus TTS

Orpheus TTS 是一款基于 Llama-3b 架构的开源文本到语音（TTS）系统，旨在生成自然、富有情感且接近人类水平的语音。该工具具备零样本语音克隆能力，无需预训练即可模仿特定语音风格，适用于多种场景。其延迟控制在 200 毫秒以内，支持实时应用，输入流式处理可进一步降低至约 100 毫秒。用户可根据少量数据进行模型微调，以满足不同需求。系统提供多种预设语音风格，如“tara”和“leah”，并支持通过标签引导语音的情感与语调。 技术上，Orpheus TTS 基于 Llama 架构，结合大规模语音与文本数据进行训练，提升了语言理解与表达能力。非流式分词器与 SNAC 解码器的结合，有效避免了音频“爆音”问题，同时实现无间断流式语音合成。此外，模型还支持情感和语调的引导控制，提升语音表现力。通过 vLLM 技术，系统可在 GPU 上高效运行，满足低延迟的实时需求。 Orpheus TTS 的应用场景广泛，包括有声读物、虚拟助手、游戏、教育及无障碍辅助等，为用户提供高质量的语音合成解决方案。