Piper TTS

Piper TTS是一个快速、本地运行的神经网络文本转语音（TTS）引擎，基于 VITS 模型，使用 ONNX 格式运行。它支持多种语言（包括中文），模型体积小、速度快，即使在低端硬件（如 Raspberry Pi）上也能实时合成高质量、自然的语音，完全离线隐私安全。注意：原 rhasspy/piper 仓库已归档，开发迁移到 OHF-Voice/piper1-gpl（GPL 许可）。

中文

对于离线，可以先在Hugging Face下载需要的模型和安装需要的包：

• piper-voices中文模型： https://huggingface.co/rhasspy/piper-voices/tree/main/zh/zh_CN
• g2pW模型：默认路径download_dir / "g2pW"，其中 download_dir 默认是 当前工作目录（即你运行 Python 脚本或 piper 命令时的目录）。
• bert-base-chinese模型：G2PWConverter 在初始化时调用了 BertTokenizer.from_pretrained(self.model_source)，而 model_source 默认是 "bert-base-chinese"。地址：https://huggingface.co/google-bert/bert-base-chinese/tree/main。
• Sentence Stream包：安装 pip install sentence-stream。 这个模块是 OHF-Voice 自己维护的一个小型句子分割器（sentence splitter），专门用于把长文本按句子切分后再做 phonemization。

文件结构如下：

/path/to/project/
├── voices/    
│   ├── zh_CN-chaowen-medium.onnx
│   ├── zh_CN-chaowen-medium.onnx.json
     └── ... （其他模型）
├── g2pW/                
│   ├── g2pw.onnx         
│   ├── config.json       
│   └── ...                
├── bert-base-chinese/    
│   ├── config.json
│   ├── tokenizer_config.json   
│   ├── vocab.txt
│   ├── pytorch_model.bin       （或 model.safetensors）
│   ├── tokenizer.json
│   └── ... （其他必要文件）
└── test.py

简单测试test.py：

import wave
from piper import PiperVoice

# 相对路径或绝对路径
model_path = "/path/to/project/voices/zh_CN-chaowen-medium.onnx"
download_dir = "/path/to/project/"

# 加载语音
voice = PiperVoice.load(model_path, download_dir=download_dir)


with wave.open("test.wav", "wb") as wav_file:
    voice.synthesize_wav("你好，树莓派。", wav_file)

资源

文章

• https://calbryant.uk/blog/training-a-new-ai-voice-for-piper-tts-with-only-4-words