自己折腾个小工具, 需要克隆音色生成语音 tts(text-to-speech),主要要求:
1. 推理时间尽量实时(100 字符/10s)
2. 多音色支持
目前直接使用火山或者腾讯云的大模型,单个音色费用太贵了(>50),自己搭建 GPU 服务器也很贵(16G T4 约 1000/月),实时性也不太好
有没有比较低成本的方案推荐?
1. 推理时间尽量实时(100 字符/10s)
2. 多音色支持
目前直接使用火山或者腾讯云的大模型,单个音色费用太贵了(>50),自己搭建 GPU 服务器也很贵(16G T4 约 1000/月),实时性也不太好
有没有比较低成本的方案推荐?
34 条回复 • 2025-08-30 14:37:25 +08:00
 |
1
knva 2025 年 8 月 29 日
基本没有。
|
 |
2
letking 2025 年 8 月 29 日
买个显卡自己部署模型，加内网穿透
|
 |
3
AoEiuV020JP 2025 年 8 月 29 日
你到底是要克隆音色还是要 tts ？
tts 最低成本的应该就是直接调用系统的 tts ， 克隆音色需要 AI 算力，就没有便宜的，一个小工具搞什么克隆音色， |
 |
4
8820670 2025 年 8 月 29 日
|
|
5
8820670 2025 年 8 月 29 日
@8820670 另外就是 edge 浏览器有一套在线的 tts 有不少 github 开源的库可以直接调用。但是这种不一定能非常长期的使用。
搜 edge_tts |
 |
6
yulon 2025 年 8 月 29 日
我是 Mac mini 4 当副机，跑 GPT-SoVITS ，也就 3G 显存左右吧，看你要不要并行，并行还会多一点
|
 |
7
chengz OP @AoEiuV020JP @8820670 我没说清楚,是自定义音色的 tts, 单纯 tts 是很便宜
|
|
8
chengz OP @AoEiuV020JP 自定义音色的 tts, 单纯 tts 是很便宜
|
 |
9
Leon6868 2025 年 8 月 29 日  1
fish speech 、cosyvioce （ vllm ），本地部署，3060
|
 |
10
glouhao 2025 年 8 月 29 日 via Android
我的显卡是 A770 16g 然后调整不好一直是 cpu
|
 |
11
zenghx 2025 年 8 月 29 日 via iPhone
[VibeVoice 实现 90 分钟、多角色播客生成，拓展语音合成新边界]( https://www.microsoft.com/en-us/research/articles/vibevoice/) 这个怎么样
|
 |
13
aishellphy 2025 年 8 月 29 日
用 f5-tts ，在 windows 电脑上跑，自带加速引擎，速度特别香
|
 |
15
abersheeran 2025 年 8 月 29 日
自定义音色可以用 fish.audio
|
 |
16
Latin 2025 年 8 月 29 日
f5-tts 之前实测过太慢了
|
 |
17
jackOff 2025 年 8 月 29 日
买个有 4G 显存 3050 显卡的二手笔记本，基本上可以稳定高效跑 GPT-SoVITS
|
 |
18
UnluckyNinja 2025 年 8 月 29 日
https://github.com/RVC-Boss/GPT-SoVITS
https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI TTS 用上面的，SVC 用下面的，没上手用过，只是有所耳闻 |
 |
19
realJamespond 2025 年 8 月 29 日
配置最简单是 indextts,1066 batch2 能跑两章小说 batch3 一章，多音字直接拼音替换
|
 |
20
dzdh 2025 年 8 月 29 日
阿里音色克隆免费的吧.
|
 |
21
rammiah 2025 年 8 月 29 日
minimax 一个音色 10 块钱，合成声音的话 4 元/1w 汉字
|
 |
22
TQQQ 2025 年 8 月 29 日
StyleTTS+Vocos ，开源的非自回归模型，可以直接部署在 cpu 服务器上，4090 上训练大概要一周左右。但是年头有点久了，效果比不上 cosyvoice/indextts 这些
|
 |
23
bigtear 2025 年 8 月 29 日
微调 Kokoro TTS 吧，满足你的需求，速度快，可自定义音色（微调音色 pt 文件）
|
 |
24
Huelse 2025 年 8 月 29 日
|
 |
25
tcper 2025 年 8 月 29 日
自己搭完就会发现还是云服务便宜
|
 |
26
looveh 2025 年 8 月 29 日
怎么没有 index-tts
|
 |
28
pipi32167 2025 年 8 月 29 日
同推荐 minimax ，效果可以的。价格也不贵。
|
 |
30
DefoliationM 2025 年 8 月 29 日 via Android
chrome 自带的不要钱，直接用 js 的 api 。
|
 |
32
cwcc 2025 年 8 月 29 日
我直接用 macOS 自带的个人声音生成自己的声音，也够用了。
|
|
33
yulon 2025 年 8 月 30 日
楼上那么多说 minimax ，早上试了下刚用几次就 504 了，没绷住
|
 |
34
RobinHuuu 2025 年 8 月 30 日 via iPhone
试过手机 app/安卓端，可下载和使用离线模型，效果还行
|
• 请不要在回答技术问题时复制粘贴 AI 生成的内容