GraphCanon
Home/LLM Frameworks/Speech-AI-Forge
Speech-AI-Forge logo

Speech-AI-Forge

Enrichment pending
lenML/Speech-AI-Forge

🍦 Speech-AI-Forge is a project developed around TTS generation model, implementing an API Server and a Gradio-based WebUI.

GitHub

GraphCanon updated today · GitHub synced today

1.4k
Stars
186
Forks
77
Open issues
21
Watchers
1mo
Last push
Python AGPL-3.0Created Jun 1, 2024

Trust & integrity

Full report
Maintenance
Steady (50d since push)
As of today · Source: github_public_v1
Provenance
Not a fork · Organization account
As of today · Source: github_public_v1
Security (OSV)
91 low (91 low)
As of today · Source: osv@v1

Public GitHub metadata and optional OSV dependency scans. Signals, not a guarantee. Trust methodology.

Overview

🍦 Speech-AI-Forge is a project developed around TTS generation model, implementing an API Server and a Gradio-based WebUI.

Capability facts

Deploy
Self-host

Source: dockerfile:Dockerfile · Jul 11, 2026

Docker
Dockerfile present

Source: dockerfile:Dockerfile · Jul 11, 2026

MCP server
No MCP server detected

Source: repo_scan · Jul 11, 2026

Languages
python, javascript

Source: github.language+package.json+pyproject.toml · Jul 11, 2026

Categories

LLM FrameworksAI AgentsSpeech & Audio

Compatibility

Sourced claims from the README excerpt - not unsourced marketing copy.

Python runtimePython

Source: README excerpt (regex_v1, Jul 11, 2026)

python webui.py
Source link

Tags

colabasrchinesecosyvoicechatttschattts-forgecosy-voiceagent

README

Installation and Running

首先，确保 相关依赖 已经正确安装，并查看 模型下载 下载所需模型

启动：

python webui.py
WebUI 功能

点我看详细图文介绍

  • TTS (文本转语音): 提供多种强大的 TTS 功能

    • 音色切换 (Speaker Switch): 可选择不同音色
      • 内置音色: 提供多个内置音色，包括 27 ChatTTS / 7 CosyVoice 音色 + 1 参考音色
      • 自定义音色上传: 支持上传自定义音色文件并进行实时推理
      • 参考音色: 支持上传参考音频/文本，直接基于参考音频进行 TTS 推理
    • 风格控制 (Style): 内置多种风格控制选项，调整语音风格
    • 长文本推理 (Long Text): 支持超长文本的推理，自动分割文本
      • Batch Size: 支持设置 Batch size，提升支持批量推理模型的长文本推理速度
    • Refiner: 支持 ChatTTS 原生文本 refiner，支持无限长文本处理
    • 分割器设置 (Splitter): 调整分割器配置，控制分割结束符（eos）和分割阈值
    • 调节器 (Adjuster): 支持调整 速度/音调/音量，并增加 响度均衡 功能，优化音频输出
    • 人声增强 (Voice Enhancer): 使用 Enhancer 模型增强 TTS 输出，提高语音质量
    • 生成历史 (Generation History): 保存最近三次生成结果，便于对比和选择
    • 多模型支持 (Multi-model Support): 支持多种 TTS 模型推理，包括 ChatTTS / CosyVoice / FishSpeech / GPT-SoVITS / F5-TTS 等

  • SSML (语音合成标记语言): 提供高级 TTS 合成控制工具

    • 分割器 (Splitter): 精细控制长文本的分割结果
    • Podcast: 帮助创建 长文本、多角色 的音频，适合博客或剧本式的语音合成
    • From Subtitle: 从字幕文件生成 SSML 脚本，方便一键生成语音
    • 脚本编辑器 (Script Editor): 新增 SSML 脚本编辑器，支持从分割器（Podcast、来自字幕）导出并编辑 SSML 脚本，进一步优化语音生成效果

  • 音色管理 (Voice Management):

    • 音色构建器 (Builder): 创建自定义音色，可从 ChatTTS seed 创建音色，或使用参考音频生成音色
    • 试音功能 (Test Voice): 上传音色文件，进行简单的试音和效果评估
    • ChatTTS 调试工具: 专门针对 ChatTTS 音色的调试工具
      • 音色抽卡 (Random Seed): 使用随机种子抽取不同的音色，生成独特的语音效果
      • 音色融合 (Blend): 融合不同种子创建的音色，获得新的语音效果
    • 音色 Hub: 从音色库中选择并下载音色到本地，访问音色仓库 Speech-AI-Forge-spks 获取更多音色资源

  • ASR (自动语音识别):

    • ASR: 使用 Whisper/SenseVoice 等模型进行高质量的语音转文本（ASR）
    • Force Aligment: 使用 Whisper 模型可以进行【文稿匹配】提高识别准确性

  • 工具 (Tools):

    • 后处理工具 (Post Process): 提供音频剪辑、调整和增强等功能，优化生成的语音质量