最新开源 TTS 模型集合（按更新时间倒序排列）
更新至 2025 年 5 月，持续追踪语音合成前沿技术
本仓库收集 2024-2025 年最新开源 TTS 模型，涵盖语音克隆、多语言支持、情感控制、实时生成等核心功能。每个模型均提供论文、代码仓库、Demo 链接及技术亮点说明，助力开发者快速探索语音合成技术边界。
⭐ 点击 Star 追踪更新 | 🔄 Fork 后提交你的模型
| 模型名称 | 发布时间 | 开源地址 | 核心特性 |
|---|---|---|---|
| Muyan-TTS | 2025-05-13 | GitHub / HF | • 极速生成（0.33秒/1秒音频） • 长文本连贯朗读（适配播客/有声书） • 零样本语音克隆 |
| Spark-TTS | 2025-04-21 | GitHub | • 基于 Qwen2.5 架构的高效合成 • 零样本跨语言音色克隆 • 性别/音高/语速可控生成 |
| MegaTTS3 | 2025-04-03 | HF | • 超轻量化（45M 参数） • 中英文混合朗读 • 口音强度控制 |
| Zonos-TTS | 2025-02-11 | HF | • 实时语音克隆（免费商用） • 20 万小时英语数据训练 • 支持情感控制与 API 部署 |
| Kokoro TTS | 2025-01-18 | HF | • Apache 2.0 免费商用 • 多语言支持（中/英/法/日/韩） • ONNX 轻量化实时部署 |
| 模型名称 | 发布时间 | 开源地址 | 核心特性 |
|---|---|---|---|
| MaskGCT | 2024-10-31 | GitHub | • 10万小时多语言训练 • 零样本跨语种生成 • 语速/情感/风格控制 |
| F5-TTS | 2024-XX-XX | GitHub | • 零样本音色克隆 • CUDA/DirectML 多后端支持 • 低延迟实时推理 |
- 轻量化与实时化：如 MegaTTS3（45M 参数）和 Muyan-TTS（0.33秒/秒音频）突破边缘设备部署瓶颈。
- 多模态控制：Spark-TTS 支持音高/语速调节，MaskGCT 实现跨语言风格迁移。
- 商业化友好：Zonos-TTS 和 Kokoro TTS 采用 Apache 2.0/MIT 协议，降低企业应用门槛。
-
提交要求：
- 仅收录 2024 年后发布的开源模型
- 需包含 论文/代码/Demo 三要素
- 优先推荐商用友好型（Apache 2.0/MIT 协议）
-
流程：
| Model | Paper | Code | Demo | Notes | |-------|-------|------|------|-------| | [Your Model] | [arXiv] | [GitHub] | [Demo] | 技术亮点说明 |
Fork 后提交 PR，审核通过后合并。
本仓库采用 CC-BY-4.0 协议，引用内容版权归属原始作者。模型许可证以各项目声明为准。
⭐ Star | 🔄 Fork | 🚀 探索语音合成未来
让机器发声更有温度，让创造无界！
注：完整技术细节请参考各模型官方文档。部分项目需手动配置环境（如 CUDA 12），详见引用链接。