企业官网建设流程全解析

MeloTTS完整指南：20分钟从零到六语种实时语音合成

【免费下载链接】MeloTTSHigh-quality multi-lingual text-to-speech library by MyShell.ai. Support English, Spanish, French, Chinese, Japanese and Korean.项目地址: https://gitcode.com/GitHub_Trending/me/MeloTTS

MeloTTS 是 MyShell.ai 开源的多语种文本转语音（text-to-speech）库，支持中文、日语、韩语、西班牙语、法语以及 5 种英语口音，纯 CPU 即可实时推理。它解决的是个人和小团队"多语种配音需要东拼西凑多个服务"的痛点。

第一次跑通：裸机到出声只需 3 步

环境卡住了？MeloTTS 的依赖链看着长（requirements.txt 里有 20 多个包），但真正要动手的只有两步：装依赖、下日语词典。

步骤1：克隆并安装依赖

📋官方验证过的环境

克隆并安装，安装脚本会自动进入可编辑模式：

# 克隆仓库 git clone https://gitcode.com/GitHub_Trending/me/MeloTTS cd MeloTTS

# 安装依赖 + 下载日语 MeCab 词典（unidic） pip install -e . python -m unidic download

💡知识卡片：setup.py 在安装钩子里已经带了一步unidic download，如果你用的是国内网络源，建议手动补跑一次词典下载，避免 WebUI 启动时弹提醒。

✅ 验证一下核心模块能正常导入：

python -c "from melo.api import TTS; print('MeloTTS OK')"

步骤2：用 CLI 合成第一条语音

第一次出声建议直接走命令行，比写 Python 快：

# 默认英文、默认音色，合成到 output.wav melo "Text to read" output.wav

✅ 验证：确认当前目录生成了output.wav且能正常播放。CLI 完整参数用melo --help查看。

步骤3（可选）：Windows/macOS 卡壳时切 Docker

⚠️避坑警示：macOS 和 Windows 上 mecab、gruut 这类含 C 扩展的依赖偶尔编译失败。别死磕，官方给出的绕法就是 Docker，几分钟的事。

# 构建镜像（需已安装 Docker） docker build -t melotts .

# 启动并映射 8888 端口；有 GPU 可加 --gpus all docker run -it -p 8888:8888 melotts

✅ 验证：浏览器打开http://localhost:8888，看到 WebUI 界面即环境就绪。

4 个高频合成场景与最小代码

跑通之后，下面这 4 个场景覆盖了日常 90% 的需求。

英文多口音切换：1 个模型 5 种说话人

英语模型内置 5 个说话人，同一段文本换个 speaker 就是不同口音：

# 同一句话合成美式和英式两种口音 from melo.api import TTS model = TTS(language='EN', device='auto') spk = model.hps.data.spk2id model.tts_to_file("Did you ever hear a folk tale?", spk['EN-US'], 'en-us.wav') model.tts_to_file("Did you ever hear a folk tale?", spk['EN-BR'], 'en-br.wav')

中英混读：不用切换语种

💡知识卡片：中文模型实际加载的是ZH_MIX_EN模型（见 melo/api.py），所以中文句子里夹英文单词能直接自然读出来，不用先分词再切换。

# 中英混合文本一次合成 from melo.api import TTS model = TTS(language='ZH', device='cpu') spk = model.hps.data.spk2id model.tts_to_file("我最近在学习 machine learning", spk['ZH'], 'zh.wav')

WebUI：无代码出六语种

不想写代码？一条命令拉起 Gradio 界面，语言、音色、语速全在页面上点选：

# 启动 WebUI（六个语种模型会在启动时加载） melo-ui

界面里语速滑杆范围是 0.1~10.0，默认 1.0。启动稍慢属正常——它一次加载全部 6 个语种的模型。

从文件批量读 + 指定语速

长文直接喂文件，避免转义引号的问题：

# 从文件读文本，指定中文和 1.5 倍速 melo file.txt out.wav --file -l ZH -s 1.5

⚠️避坑警示：--file忘加的话，CLI 会把file.txt当成要朗读的字符串文本，合成出一句"file dot txt"。

调优前必知的 3 类关键参数

合成效果不满意时，先动下面这几个参数，比改模型快得多。

参数速查表

自定义参数写进去

上面五个参数里除 device 外，其余都在tts_to_file的调用里直接传：

# 显式指定音质参数合成 model.tts_to_file(text, spk_id, 'out.wav', sdp_ratio=0.2, noise_scale=0.6, noise_scale_w=0.8, speed=1.0)

💡知识卡片：批量出片时先别动参数——默认值就是调校过的平衡点，听完再针对具体语种微调，改一个参数听一遍，别一次全改。

避坑手册：按现象排查

更多安装细节和全部 API 示例见 docs/install.md，免安装在线体验入口在 docs/quick_use.md。

【免费下载链接】MeloTTSHigh-quality multi-lingual text-to-speech library by MyShell.ai. Support English, Spanish, French, Chinese, Japanese and Korean.项目地址: https://gitcode.com/GitHub_Trending/me/MeloTTS