📘 Documentation | 📚 Deepwiki

中文 | English

FlashTTS

基于 SparkTTS、OrpheusTTS、MegaTTS 3 等先进模型，FlashTTS 提供高质量的中文语音合成与零样本声音克隆服务。借助简洁直观的 Web 界面，您可以快速生成自然逼真的人声，满足配音、阅读、无障碍、虚拟角色等多元场景需求。

如果 FlashTTS 对你有帮助，欢迎留下一个 ⭐ Star！

✨ 功能亮点

🖼️ 前端示例

https://github.com/user-attachments/assets/1bd9d586-fac7-4016-b955-5a58d8fb9d7e

🔈 语音演示

下列 Demo 展示了 FlashTTS 在不同模型与角色上的克隆效果。

SparkTTS 模型

MegaTTS 3 模型

OrpheusTTS (zh) 模型

快速开始

建议在 python 3.8 - 3.12 环境中使用 pip 安装 flashtts：

pip install flashtts

详细安装步骤，请参考：installation.md

本地推理：

flashtts infer \
  -i "你好，欢迎使用语音合成。" \
  -o output.wav \
  -m ./models/your_model \
  -b vllm \
  [其他可选参数]

详细使用说明，请参考：quick_start.md

部署方式：

 flashtts serve \
 --model_path Spark-TTS-0.5B \ 
 --backend vllm \ 
 --role_dir data/roles \ 
 --llm_device cuda \
 --tokenizer_device cuda \
 --detokenizer_device cuda \
 --wav2vec_attn_implementation sdpa \
 --llm_attn_implementation sdpa \ 
 --torch_dtype "bfloat16" \ 
 --max_length 32768 \
 --llm_gpu_memory_utilization 0.6 \
 --fix_voice \  # 启动后将固定住spark-tts中内置音色（female和male）
 --host 0.0.0.0 \
 --port 8000

web地址：http://localhost:8000

接口文档地址：http://localhost:8000/docs

详细部署说明，请参考：server.md

⚡ 推理速度

测试环境：A800 GPU · 模型：Spark-TTS‑0.5B · 测试脚本：speed_test.py

RTF < 1 表示实时合成。

⚙️ 使用提示

1. SparkTTS 权重需使用 bfloat16 或 float32；float16 会报错。
2. 若遇到长时间空白音，可将 repetition_penalty 调高 (> 1.0)。
3. OrpheusTTS 支持在文本中插入 <tag> 控制情感，标签见 orpheus_engine.py 中 LANG_MAP。
4. 出于安全考虑，MegaTTS 3 未公开 WaveVAE 编码器，请参考官方说明下载：参考音频。

🤝 鸣谢

• Spark‑TTS
• Orpheus‑TTS
• MegaTTS 3

⚠️ 免责声明

FlashTTS 仅供学术研究、教育与合法用途，如无障碍辅助、个性化语音合成等。请勿将其用于欺诈、冒充、深度伪造等违法场景。违者自行承担法律与道德责任。

License

本项目沿用 Spark‑TTS 的协议，详情参见 LICENSE。

Star History