TTS引擎用于實現文本到語音的轉換。隨著人工智能的普及以及數字設備應用的增加，相關系統對語音識別以及文語轉換技術日益依賴，TTS正在變得越來越重要。

在這項技術的幫助下，可以將文本內容轉換為錄音。可以幫助視覺障礙的人理解文本內容，可以讓開車的人聽取一個文本工作報告，甚至模擬某個人的聲音播報一段內容、演唱一個歌曲，實現虛擬主播、虛擬歌手。

本文主要查找收集了一些較好的開源TTS引擎。這些項目有助于我們更加了解TTS的功能。

1.CoQui TTS

https://github.com/coqui-ai/TTS

這是一個在研究和生產中經過了實戰考驗的TTS深度學習工具包，可以以200毫秒的延遲進行流傳輸，支持13種語言（包括中文）。

2.mozilla TTS

https://github.com/mozilla/TTS

TTS是一個用于文本到語音生成的高級庫。旨在實現易于訓練、高速度和高質量的最佳平衡。 提供預訓練模型，以及用于測量數據集質量的工具，支持用于產品和研究的20多種語言，包括支持中文。

3.OpenTTS

https://github.com/synesthesiam/opentts

OpenTTS是TTS最有效的開源模型之一。因為該模型支持包括中文在內的多種語言。

4.MaryTTS

https://github.com/marytts/marytts

MARY Text-to-Speech 語音合成是一個多語言TTS平臺，支持英語（英國和美國）、法語、德語、意大利語、俄語等語言。

產品特點：

• 使用預處理技術，如tokenizer和數值擴展。
• 它采用多線程網絡架構，并行處理多個請求。
• 它本質上是靈活的，因此您可以使用純Java模型和外部模型。
• 它使用XML結構來提高透明度，并且對于普通用戶來說易于理解。

5.eSpeak

https://github.com/espeak-ng/espeak-ng

eSpeak是一個緊湊的開源TTS引擎，可運行于Windows和Linux。支持100多種語種和語音（包括中文普通話）。

產品特點：

• 這個平臺可以很容易地完成文本到語音的轉換。這有助于系統理解文本的含義。
• 它帶有兩個合成器：eSpeakinG合成器，通過聲音添加技術轉換元音和響亮的輔音，以完成聲音。Klatt合成器使用類似的技術，但使用減法合成。它使用數字濾波器來理解輔音、元音和響音之間的區別。
• 因為它的差異化技術和將文本轉換為語音的速度優勢，這個工具在2010年被谷歌翻譯使用。
• 聲音的音質清晰悅耳。

6.Mimic

https://github.com/MycroftAI/mimic3

Mimic是一個快如閃電的開源TTS引擎。

產品特點：

• 由于它基于FLITE技術，您可以自定義語音的聲音。
• 它是一個低延遲平臺，并且只占用少量的資源。
• 它可以在Linux、Android和Windows上無縫運行。

目前，該工具正在為患有語言障礙的人帶來逼真的聲音。

7.CMU Flite TTS

https://github.com/festvox/flite

Festival Lite通常被稱為Flite。它是一個小型的運行時引擎，被認為是最快的TTS引擎之一。

由于它是一個開源引擎，并且是免費的，可以基于這個項目做許多自定義功能。因此，許多公司都選擇了這個TTS引擎。

核心特點：

• 可以用于小型和大型文件。
• 它是線程安全的，其最新版本提供了一個輕松的TTS轉換。
• 它與Windows、Linux和Android兼容。
• 它還提供多種語言版本。

8.MBROLA

https://github.com/numediart/MBROLA

MBROLA是Multi-Band Resynthesis OverLap Add的縮寫，也是最常用的開源TTS引擎之一。它支持多種語言。

功能特點：

• 提供多語種數據庫。
• 它對于內部文本到語音的轉換非常有用。
• 它以前是一個非商業軟件，但現在作為開源TTS引擎推出。
• 它提供了令人愉快的音質，具有一致性、準確性的聲音音高。

9.mandarin-tts

https://github.com/ranchlai/mandarin-tts

這是一個模塊化的中文普通話TTS語音合成框架，旨在支持研究和快速產品開發。

主要功能包括：

• 所有模塊都可通過YAML配置，
• 支持并可配置說話者嵌入/韻律嵌入/多流文本嵌入，
• 適配器支持各種聲碼器（VocGAN、hifi-GAN、waveglow、melGAN），從而可以容易地進行不同聲碼器之間的比較，
• 支持持續時間/音調/能量方差預測器，并且可以容易地添加其他方差，

10.FCH-TTS

https://github.com/atomicoo/FCH-TTS

一個快速語音合成模型，適用于英語、普通話/中文、日語、韓語、俄語和藏語。

11.rhasspy piper

https://github.com/rhasspy/piper

piper是一個快速的本地語音合成系統，并針對Raspberry Pi 4（樹莓）進行了優化。 支持包括中文在內的多種語言。

使用DEMO如：

echo 'Welcome to the world of speech synthesis!' | \
  ./piper --model en_US-lessac-medium.onnx --output_file welcome.wav