AllTalk TTS：给本地大模型装上嘴巴

AllTalk TTS 是一个开源的文字转语音项目，目前在 GitHub 上拿到了 2,392 个 Star。它可以作为独立应用运行，也能接入 Text-generation-webui、SillyTavern、KoboldCPP 这些常见的本地大模型前端。

简单说，它解决的问题就是：你在本地跑了一个文字生成模型，想让它把回答念出来，AllTalk 就干这个事。

核心功能

AllTalk 基于 XTTSv2 模型，支持本地和 API 两种调用方式。比较实用的功能有几个：

• 声音微调：可以用一段目标声音的录音来训练模型，让生成的语音更贴近特定的说话人。
• DeepSpeed 加速：在 Nvidia 显卡上开启后，生成速度能提升 2 到 3 倍。
• 低显存模式：显存不够的时候可以跑这个模式，适合显卡内存紧张的用户。
• 旁白功能：主角色和旁白可以用不同的声音来读，做有声内容的时候比较方便。
• 批量生成：可以把大段文本一次性转成语音文件，也能逐段回放试听。
• API 接口：支持 JSON 调用，第三方应用可以通过接口来调用语音合成。

安装方式

AllTalk 提供了快捷安装脚本，Windows 和 Linux 都支持。步骤不复杂：

1. 把仓库克隆到本地，或者从 Releases 页面下载 zip 包。
2. 运行对应的安装脚本（Windows 是 atsetup.bat，Linux 是 ./atsetup.sh）。
3. 按照屏幕提示选择安装方式，等依赖装完就行。

DeepSpeed 需要单独安装，建议先把基础功能跑通再考虑。项目也支持手动安装，文档里有详细的步骤说明，macOS 用户需要走手动安装的路子。

使用场景

AllTalk 的定位是本地 TTS 引擎。典型用法是配合 SillyTavern 做角色对话的语音输出，或者在 Text-generation-webui 里给模型的回答加上语音。因为支持 API 调用，也可以集成到自己写的应用里。

举个例子，你在 SillyTavern 里跑了一个角色扮演的对话模型，文字回复有了，但想让角色真的"开口说话"。接上 AllTalk 之后，每条回复会自动生成对应的语音文件，点一下就能听到。旁白功能还能让叙述部分和角色对白用不同的声音来区分，做剧情类内容的时候效果更明显。

项目状态

AllTalk 目前有 v1 和 v2 两个版本。v2 是主要的开发方向，功能更多，修复了 v1 的不少问题，推荐新用户直接用 v2。v1 的文档和功能仍然保留在仓库里，老用户可以继续使用。

项目文档比较全，内置了一个网页版的文档界面，遇到问题可以直接在里面查。作者在 README 里也提到这是一个个人项目，支持响应时间不一定快，但基本的使用问题在文档和社区讨论区里都能找到答案。

个个人项目，支持响应时间不一定快，但基本的使用问题在文档和社区讨论区里都能找到答案。