今天要介绍的，还是一款语音大模型XTTS，这个模型在生成质量上非常出色，我试了一下，对中文的生成效果不错，音色克隆也非常接近。

XTTS由Coqui开发，基于Mozilla Public License Version 2.0开源许可，可以商用，重新分发需要保留许可也开源即可。

XTTS的特点

1、支持17种语音，对中文生成的效果不错，后面我会给一些生成的demo。

2、支持自己训练微调，官方提供了训练工具。

3、高级功能，可以对生成的语音进行控制和编辑。可以调整语音的音高，音量，语速，情感等，来实现不同的风格和表达。也可以用时间线编辑器来组合多个语音，创建复杂的场景和对话

我们来看效果，Github上有开源的UI界面，xtts-ui GitHub - BoltzmannEntropy/xtts2-ui

首先安装部署：

按demo提供的例子，生成的音频，英文效果十分不错，语气自然。

在中文中夹杂英文的效果，效果不是特别好，英文发音不准确。这个问题在很多TTS模型中都存在。

再看看说数字的效果。数字是可以正确阅读的，比较长的数字，读的时候会有一些卡顿，但反而很像真人的说话效果。

更多的功能，大家可以去github下载自己体验。