OddMeta
Just another AI student
OddMeta

OddTTS：基于EdgeTTS、GPTSovits等语音生成的API封装，支持Web前端+API接口

一、前言

前阵子有一位同学来问我，小落同学的TTS功能是怎么实现的？我跟他解释了半天，发现双方对一些基础技术、知识、名词都无法对齐，沟通起来实在有些累。
后来实在没办法，就跟他说，我把小落同学的TTS功能的代码开源出来，然后你自己直接看代码吧，过了半个钟头，他回来跟我说：非常感谢，对着代码看，一目了然。

呵呵，果然程序员之间的沟通最简单、有效的方式还是：Talk is cheap, show me the code

OddTTS的代码绝大部分都是Catherine同学在高考结束后暑假期间写的，而明天她即将开始大学生涯的第一节课，今天特补上这个文章纪念一下高中生涯的结束，并迎接大学学习的正式开始。

二、什么是OddTTS？

OddTTS是一个简单的多引擎语音合成服务，整合了当前主流的TTS引擎（如EdgeTTS、GPT-Sovits、Bert-VITS2等），并提供统一的API接口和友好的Web界面。无论你是开发者需要集成语音合成功能，还是普通用户想快速生成语音，OddTTS都能胜任。

项目地址：https://github.com/oddmeta/oddtts

普通用户可以直接访问 http://localhost:9001 即可打开可视化界面
开发者可通过http://localhost:9001/api/oddtts/ 接口进行开发集成

三、为什么选择OddTTS？

1. 多引擎支持，语音风格多样

OddTTS集成了多种主流TTS引擎，包括：

  • EdgeTTS：微软Edge浏览器的TTS引擎，支持多语言、多音色，可精细调整语速（-50%至50%）、音量（-50%至50%）和音调（-50Hz至50Hz）
  • ChatTTS：适合对话场景的新一代TTS引擎，支持情感化语音生成
  • Bert-VITS2及V2版本：开源高性能TTS，支持个性化语音和情感参数调节（如快乐、悲伤等）
  • OddGptSovits：基于GPT和Sovits的先进语音合成模型
  • 支持自定义模型，用户可以训练自己的模型，实现个性化语音合成
  • 支持情感化语音生成，用户可以根据文本内容，生成带有情感的语音

你可以根据需求自由切换引擎，轻松获得不同风格的语音输出。

注意：OddGptSovits这个引擎不是开箱即用的，需要用户自己部署GPT Sovits，然后再照着EdgeTTS的API封装一下才能接入到OddTTS

2. 灵活的调用方式

无论你需要哪种输出形式，OddTTS都能满足：

  • 返回音频文件路径，方便保存和二次处理
  • 直接返回Base64编码，适合前端直接展示
  • 支持流式响应，实时获取语音数据，降低延迟

3. 开箱即用的Web界面

启动服务后，通过浏览器访问即可打开基于Gradio的可视化界面，支持：

  • 文本输入与实时语音生成
  • 语音、语速、音量、音调自由调节
  • 生成音频在线播放与下载
  • 无需编写代码，小白也能快速上手

4. 完善的API服务

开发者可以通过RESTful API轻松集成到自己的系统中，主要接口包括：

  • 健康检查：快速确认服务状态（/oddtts/health）
  • 语音列表查询：获取当前引擎支持的所有语音（/api/oddtts/voices）
  • 多形式音频生成：
  • 文件路径输出（POST /api/oddtts/file）
  • Base64编码输出（POST /api/oddtts/base64）
  • 流式输出（POST /api/oddtts/stream）

5. 高度可配置

通过简单修改配置文件，即可实现：

  • 启用GPU加速，提升合成速度
  • 调整并发线程数，优化性能
  • 预加载模型，减少首次调用延迟
  • 配置HTTPS、数据库、缓存等高级功能

四、快速上手教程

环境要求

  • Python 3.8及以上版本
  • 依赖库：fastapi、gradio、uvicorn等（自动安装）

安装步骤

1. 克隆项目代码

git clone https://github.com/yourusername/oddtts.git
cd oddtts

2. 灵活的调用方式

无论你需要哪种输出形式，OddTTS 都能满足：

  • 返回音频文件路径，方便保存和二次处理
  • 直接返回 Base64 编码，适合前端直接展示
  • 支持流式响应，实时获取语音数据，降低延迟

3. 开箱即用的 Web 界面

启动服务后，通过浏览器访问即可打开基于 Gradio 的可视化界面，支持：

  • 文本输入与实时语音生成
  • 语音、语速、音量、音调自由调节
  • 生成音频在线播放与下载
  • 无需编写代码，小白也能快速上手

4. 完善的 API 服务

开发者可以通过 RESTful API 轻松集成到自己的系统中，主要接口包括：

  • 健康检查：快速确认服务状态（/oddtts/health）
  • 语音列表查询：获取当前引擎支持的所有语音（/api/oddtts/voices）
  • 多形式音频生成：
  • 文件路径输出（POST /api/oddtts/file）
  • Base64 编码输出（POST /api/oddtts/base64）
  • 流式输出（POST /api/oddtts/stream）

5. 高度可配置

通过简单修改配置文件，即可实现：

  • 启用 GPU 加速，提升合成速度
  • 调整并发线程数，优化性能
  • 预加载模型，减少首次调用延迟
  • 配置 HTTPS、数据库、缓存等高级功能

6. 快速上手教程

环境要求
  • Python 3.8 及以上版本
  • 依赖库：fastapi、gradio、uvicorn 等（自动安装）
安装步骤

克隆项目代码

git clone https://github.com/yourusername/oddtts.git
cd oddtts
安装依赖包
pip install -r requirements.txt
配置项目（可选）

修改oddtts_config.py文件，可配置服务器端口、默认 TTS 引擎、是否启用 GPU 等：

运行
# 示例配置
HOST = "127.0.0.1"
PORT = 9001
oddtts_cfg = {
    "preload_model": True,  # 启动时预加载模型
    "enable_gpu": False,    # 是否启用GPU
    "tts_type": ODDTTS_TYPE.ODDTTS_EDGETTS  # 默认引擎
}
启动服务
python oddtts.py
使用服务
  • Web 界面：访问 http://localhost:9001 即可打开可视化界面
  • API 调用：通过http://localhost:9001/api/oddtts/接口进行开发集成

适用场景

  • 应用开发：为 APP、网站添加语音合成功能
  • 内容创作：将文本转换为语音，制作播客、有声书
  • 智能助手：为聊天机器人、智能家居设备添加语音交互能力
  • 无障碍服务：为视障用户提供文本转语音支持

五、总结

OddTTS 凭借多引擎整合、灵活调用方式和易用的界面，解决了不同 TTS 引擎接口不统一、使用复杂的问题。无论是开发者还是普通用户，都能快速实现高质量的语音合成需求。

六、贡献与支持

如果你正在寻找一款强大的语音合成工具，不妨试试 OddTTS，相信它会给你带来惊喜！

欢迎大家贡献代码、提出建议，一起完善这个项目！