Vocalize：用 GPU 加速本地语音合成，支持多语言与情感控制

如果你需要在本地快速生成自然、带情感的语音，又不想依赖云服务或复杂配置，Vocalize 是一个值得关注的选项。它基于 VITS 架构优化，支持中、英、日等多语言，并提供细粒度的情感强度调节，让你能控制语速、音调甚至笑声。对于内容创作者、无障碍开发者或语音助手研究者来说，这是目前少数能同时兼顾质量与可定制性的开源方案。

核心看点

– 多语言与情感控制：内置预训练模型支持中文、英文、日文，可通过参数调整 开心、悲伤、愤怒 等情感强度，甚至插入笑声标签，让合成语音更自然。
– GPU 加速推理：利用 PyTorch 和 CUDA 实现实时或近实时合成，单次推理在消费级显卡（如 RTX 3060）上只需几百毫秒，无需 TPU 或高端硬件。
– 简洁 API 与 WebUI：提供 Python 调用接口和内置 Gradio 界面，无需写代码即可通过浏览器上传文本、选择模型、生成并下载音频。

上手提示

适合 语音合成爱好者、游戏/视频配音者 或 无障碍工具开发者。依赖 Python 3.8+ 和 PyTorch（推荐 CUDA 版本），建议至少 4GB 显存以获得流畅体验；无需 API Key，所有模型权重在首次运行时自动下载。项目采用 Apache-2.0 许可证，社区提供预训练模型和微调教程。

想快速体验本地语音合成，直接前往 Vocalize 仓库 查看 README 中的一键安装脚本和示例。