请先查看下方配置要求，确认电脑能使用再下载，如果不知道什么是网盘、什么是压缩包以及什么是电脑配置，请勿下载
PilotTTS 是一款基于大语言模型（LLM）的文本转语音系统，采用“简化但高效”的架构设计，在完全开源组件基础上，通过高质量数据工程实现了接近业界顶级水平的语音生成效果。相比依赖复杂闭源流程的传统 TTS 系统，PilotTTS 更强调开放性、可控性与高质量训练数据构建。
该系统不仅在说话人相似度与文本内容准确率方面表现出色，还支持丰富的情绪与副语言控制，使生成语音更加自然、生动且富有表现力。
核心功能：
- 🗣️ 高质量文本转语音（TTS）：生成自然流畅的人声语音
- 👤 高相似度语音克隆：精准还原目标说话人音色
- 📝 内容一致性控制：降低发音错误与文本偏差
- 🎭 情绪控制生成：支持 11 种情绪类别
- 🔊 副语言控制：支持笑声、呼吸、哭泣、咳嗽等表达
- 🔓 全开源数据处理流程：完整公开的数据清洗与标注管线
支持情绪类别：
Happy、Sad、Fear、Angry、Surprise、Serious、Concern 等 11 种情绪表达。
支持副语言控制：
LAUGH（笑声）、BREATH（呼吸）、CRY（哭泣）、COUGH（咳嗽）等。
技术亮点：
- 🧠 基于 LLM 的语音生成架构
- 📦 全开源数据工程与处理流程
- 🎯 Seed-TTS 测试集上达到 SOTA 级说话人相似度
- 🪶 降低高质量 TTS 数据构建成本
应用场景：
- AI 数字人与虚拟主播
- 有声书与播客生成
- 游戏角色配音
- AI 情感语音交互
- 视频旁白与内容创作
开源地址：https://github.com/AMAPVOICE/PilotTTS
☞☞☞☞☞☞ 右侧下载整合包 ☞☞☞☞☞☞
配置要求：
电脑需满足以下配置：
- 操作系统：Windows 10/11 64位
- 内存：建议16G以上
- 显卡：至少8G及以上显存的英伟达（NVIDIA）显卡
- CUDA：显卡支持的CUDA版本大于等于12.8版本（如不知道显卡支持的CUDA版本，可点击此链接查看：https://aiyy.info/supported-cuda-versions/）
- 整个包解压完约26.7G，要留足硬盘空间
如何查看显卡品牌型号和显存：
- 打开任务管理器
- 点击“性能”
- 点击“GPU”
- 右上角可以看到显卡型号，下方可以看到显存大小
使用教程：
① 打开下载页面（https://aiyy.info/pilottts/）点击页面右侧下载按钮（手机端在页面底部），下载整合包之后解压，建议使用winrar解压（解压软件在文件包中，或者可以自己下载安装，下载地址：https://www.winrar.com.cn/）
不要用Windows自带解压！！不要用360解压！！
注意：文件夹路径和文件名称（包括音频、图片、视频等文件名称）不要出现中文字符，否则部分软件会因识别不出而报错
② 双击“一键启动.bat”，稍等片刻会在浏览器中自动打开操作界面
③ 零样本克隆：使用基础模型，根据参考音频克隆音色并朗读目标文本，无需额外标注。
添加参考音频，输入需要合成的文本，然后点击“开始合成”即可
生成结果位于右侧， 可以播放试听，点击下载按钮可以保存至指定文件夹
④ 指令合成：使用指令模型，在克隆音色的同时控制情感、副语言事件或语言（中文/英语）。
添加参考音频，输入需要合成的文本，可以在文本中添加副语言标签（支持笑声、换气、咳嗽、哭泣等），可以选择情感标签（支持开心、悲伤、愤怒、惊讶、恐惧、厌恶、严肃、关切、忧郁、轻蔑、中性/平静、心理活动等），选择语言（中文/英文），然后点击“开始合成”即可
生成结果位于右侧， 可以播放试听，点击下载按钮可以保存至指定文件夹
⑤ 在文件包中的“outputs”文件夹中也能找到生成结果
