Orpheus TTS：多语言文本转语音模型

一、教程简介

Orpheus-TTS 是由 Canopy Labs 团队于 2025 年 3 月 18 日发布的文本转语音（TTS）模型。该模型能够生成自然、富有情感且接近人类水平的语音，具备零样本语音克隆能力，无需预训练即可模仿特定语音。用户可通过标签控制语音的情感表达，增强语音真实感。 Orpheus TTS 的延迟低至约 200 毫秒，适合实时应用。

本教程采用资源为单卡 RTX 4090 。

二、项目示例

三、运行步骤

1. 启动容器后点击 API 地址即可进入 Web 界面

若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 1-2 分钟后刷新页面。

2. 进入网页后，即可与模型展开对话

❗️重要的使用技巧:

• Temperature: 控制生成的随机性和创造性。
• Top P: 控制候选 token 的选择范围。
• Repetition Penalty: 抑制语音中的重复模式。
• Max Length: 控制生成音频的时长。

使用步骤

使用 Safari 浏览器时，音频可能无法直接播放，需要下载后进行播放。英文效果比中文效果更好。

四、交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓

项目支持

感谢 Github 用户 xxxjjjyyy1  对本教程的部署。