OpenSpeech

开源文本转语音（TTS）模型的质量已经追上甚至超越了部分商业服务，但寻找和测试它们的过程依然痛苦。

你通常需要在 GitHub、Hugging Face 和各类博客之间跳跃，克隆仓库，配置复杂的 CUDA 环境，还要祈祷权重文件能顺利下载。ElevenLabs 等商业服务虽然方便，但价格不菲。

OpenSpeech 是一个开源 TTS 模型的开放目录，让每一款模型都在相同的条件下接受测试，以便你进行公平、直观的比较。

核心亮点：标准化、透明、易用

1. 统一的测试基准

• 相同脚本：目录中的每款模型、每个声音都朗读相同的三段脚本：
  • 中性文本：测试基础发音清晰度。
  • 情感文本：评估语气表现力。
  • 数字文本：检验对特殊字符和数字的处理能力。
• 并排音频对比：你可以直接在线试听不同模型对同一段落的表现，快速选出最适合你场景的声音。

2. 一站式信息聚合

• 关键指标一目了然：每个模型页面都集中展示了规格参数、许可证类型（如 MIT、Apache 2.0）、所需 VRAM 大小、支持语言及功能特性。
• 精准筛选：支持按许可证、显存需求、语言能力等维度过滤，帮助你在有限的硬件资源下找到最佳方案。

3. 极简的维护与贡献

• 无数据库架构：所有数据存储在 data/ 目录下的纯 JSON 文件中，结构简单透明。
• 社区驱动：添加新模型只需提交一个 Pull Request。
• 静态站点：基于 Next.js 16 和 Tailwind CSS v4 构建，加载速度快，易于部署。

技术栈与运行方式

• 前端：Next.js 16 (App Router, 静态生成) + Tailwind CSS v4。
• 音频生成：使用 Replicate API 批量生成样本音频，并预提交至 public/samples/ 目录。
• 本地运行：

  git clone https://github.com/sudomichael/openspeech
  cd openspeech
  npm install
  npm run dev
  

  由于样本音频已预先生成并提交，你无需 Replicate Token 即可在本地浏览和试听所有内容。

• 生成新样本：
  若需添加新模型或重新生成现有样本，配置 .env.local 中的 REPLICATE_API_TOKEN 后运行：

  npx tsx scripts/generate-replicate.ts          # 全量生成
  npx tsx scripts/generate-replicate.ts --missing  # 仅生成缺失样本
  

收录概况

目前目录已 curated（精选）了 22 款 来自开源社区的 TTS 模型，涵盖约 40 种 不同的声音。这些模型代表了当前 OSS TTS 生态的最高水平，包括但不限于 Coqui TTS、Bark、VITS 变体等主流架构。