OpenTTS4 安装使用教程

📖 项目简介

Codex自动配音实测对比 不是再推一个「克隆你声音」的工作室，而是把四条开源配音路摆在一起，按机器和用途对号入座。四个仓库合计约 13 万 Star：GPT-SoVITS（MIT，约 6.1 万）、VoxCPM2（Apache-2.0，约 3.6 万）、IndexTTS 2.5（约 2.3 万）、edge-tts（约 1.0 万）。

要中文听着像本人、愿意等微调，走 GPT-SoVITS；中文解说要语气，走 IndexTTS 2.5；要多语种或不想录音，走 VoxCPM2；没显卡、先要出声，走 edge-tts。edge-tts 不装模型、不吃显卡，但走微软在线朗读，断网就不能用，不要理解成「本地部署」。

四个都能用命令行或本地服务让 Codex 去调。131 讲的是 Voicebox 工作室；本期只讲选型。

📎 相关链接与下载地址（点击展开）

在 GitHub 搜索仓库名即可：
RVC-Boss/GPT-SoVITS · index-tts/index-tts · OpenBMB/VoxCPM · rany2/edge-tts
更多教程：关注公众号 / 抖音 / 视频号「IT小圈」

✨ 核心亮点

🏷️

GPT-SoVITS · 像本人

约 1 分钟素材微调，中英日韩粤。要显卡，还要等训练。

🆓

IndexTTS 2.5 · 要语气

中文解说起伏更好。零样本出声，中英日西阿。本机显卡。

🔍

VoxCPM2 · 多语种

30 语言 + 9 种中文方言，48kHz。可用文字描述音色，不必先录音。约 8G 显存。

👥

edge-tts · 零安装

不装模型、不吃显卡，一行命令出 mp3，还能吐字幕。必须联网。

🧩 它能做什么、输出什么

项目	说明
输入	文本；SoVITS / IndexTTS / VoxCPM 还可加参考音频或音色描述
适用类型	短视频口播、解说、多语种翻译配音、没显卡先出声
输出	wav / mp3；edge-tts 还可同时出 srt
语言 / 兼容	SoVITS：中英日韩粤；IndexTTS：中英日西阿；VoxCPM2：30 语 + 方言；edge-tts：300+ 音色
规格 / 容量	本地三家要显卡；edge-tts 走在线接口，无本地模型体积

🖥️ 环境要求

环境	建议配置
操作系统	Windows / Linux / macOS（各仓库 README 为准）
运行环境	Python 3.10+；edge-tts 一条 pip 即可
硬件	SoVITS / IndexTTS 要消费级显卡；VoxCPM2 约 8G 显存
低配 / 无卡方案	只装 edge-tts，不要硬上三家本地大模型
关键依赖	PyTorch+CUDA（本地三家）；edge-tts 只需网络

🚀 如何使用

💡

先定用途再装。没显卡只装 edge-tts；有显卡再按「像本人 / 要语气 / 多语种」三选一往下走。

确认有没有显卡

没有独显：只走第 3 步的 edge-tts。有独显：再按仓库 README 装对应环境，不要四个一起装。

                        bash
                        nvidia-smi
                    

下载对应仓库

在 GitHub 搜索仓库全名，按该仓库 README 的安装段走。正文不贴克隆地址。

                        text
                        搜索：RVC-Boss/GPT-SoVITS 、 index-tts/index-tts 、 OpenBMB/VoxCPM
                    

没显卡：先跑通 edge-tts

一行出 mp3。必须联网。这是零安装门槛，不是省钱话术。

                        bash
                        pip install edge-tts
edge-tts --text "同一句口播，四个引擎各念一遍" --write-media out.mp3 --write-subtitles out.srt
                    

常用参数说明：

参数	作用
`--text`	要念的句子
`--write-media`	输出音频
`--write-subtitles`	同时出字幕

有显卡：同一句口播分别跑三家

GPT-SoVITS 先把模型微调完再录「打字出声」，不要录训练进度条。IndexTTS 录屏避开哔哩哔哩台标。VoxCPM2 用文字描述音色即可，不必先录音。

                        text
                        同一句口播，四个引擎各念一遍
                    

结合 Codex 使用

把安装命令和「用同一句话出音频」写进 Codex 任务。edge-tts 直接 CLI；另外三家按各自 WebUI / 本地 API 让它点。不要四个同时装进一个环境。

✅

Codex 当安装和出声操作员，选型仍由你按用途定。

🎯 典型应用场景

📑

本人出镜口播

GPT-SoVITS 微调后固定音色

📚

中文解说号

IndexTTS 2.5 要语气起伏

✍️

出海翻译配音

VoxCPM2 多语种、可不录音

🧮

笔记本没独显

edge-tts 联网出声

🤖

交给 Codex 批量出

CLI / 本地服务让 Agent 调

🔒

数据不上传

本地三家模型在自己机器；edge-tts 文本会出网

📈 性能表现

指标	表现
GPT-SoVITS Star / 协议	约 6.1 万 / MIT（2026-08）
VoxCPM2 显存	官方约 8 GB（RTX 级）
edge-tts 音色	300+，无需 API Key

🧠

四条路不是音质排行，是约束不同：训练成本、情绪、语种、以及要不要显卡和网络。

❓ 常见问题

Q: 和 131 Voicebox 那条有什么不一样？

那条讲的是一个工作室里切引擎、克隆声音。这条是四个独立开源方案按用途选，不比谁留下。

Q: edge-tts 是本地部署吗？

不是。它不装模型、不吃显卡，但音频在微软服务器上合成，断网不能用。文本会出网。

Q: 为什么不推荐 Fish Speech？

1.5 是 CC BY-NC-SA，非商用；S2 要单独商业授权。做视频发出去就是商用，不往坑里带。

Q: 没显卡怎么办？

只装 edge-tts。不要下载三家本地大模型再抱怨跑不动。

Q: 四个怎么选？

像本人 → SoVITS；中文解说要语气 → IndexTTS；多语种或不录音 → VoxCPM2；没显卡 → edge-tts。

Q: 怎么和 Codex 结合？

把「装哪一个 + 用同一句话出音频」写成任务。edge-tts 直接 CLI，另外三家跟仓库的 WebUI 或本地接口。

Q: IndexTTS 录屏要注意什么？

页面上可能出现哔哩哔哩台标，录的时候避开，或后期涂掉。

Q: 可以商用吗？

GPT-SoVITS 是 MIT，VoxCPM2 是 Apache-2.0。IndexTTS 和 edge-tts 协议写 Other / NOASSERTION，商用前自己读仓库 LICENSE。edge-tts 还受微软在线服务条款约束。