# LuxTTS - 1GB显存的极速TTS声音克隆

> 150倍实时速度，48kHz高清音质，3秒参考音频克隆声音，Apache 2.0免费商用

LuxTTS 是一个基于 ZipVoice 架构蒸馏的轻量级文本转语音（TTS）声音克隆模型，只需 1GB 显存即可运行，生成速度达到 150 倍实时。

## 核心亮点

- **极致轻量**：仅需 1GB 显存，任何本地 GPU 都能跑，CPU 也能实时生成
- **150x 实时速度**：单 GPU 上 4 步采样即可完成生成
- **48kHz 高清音质**：相比大多数 TTS 模型的 24kHz，LuxTTS 输出清晰 48kHz 音频
- **声音克隆**：提供 3 秒参考音频即可克隆声音，效果媲美 10 倍大模型
- **Apache 2.0 许可**：商用免费，无任何限制
- **多平台支持**：GPU（CUDA）、CPU、Mac（MPS）均可运行

## 快速开始

```bash
git clone https://github.com/ysharma3501/LuxTTS.git
cd LuxTTS
pip install -r requirements.txt
```

```python
from zipvoice.luxvoice import LuxTTS
import soundfile as sf

# 加载模型（Mac 用 device='mps'）
lux_tts = LuxTTS('YatharthS/LuxTTS', device='cuda')

# 准备参考音频（至少3秒）
encoded_prompt = lux_tts.encode_prompt('reference.wav', rms=0.01)

# 生成语音
wav = lux_tts.generate_speech("你好，这是一段测试语音。", encoded_prompt, num_steps=4)
sf.write('output.wav', wav.numpy().squeeze(), 48000)
```

## 采样参数调节

| 参数 | 默认值 | 说明 |
|------|--------|------|
| `num_steps` | 4 | 采样步数，越高音质越好但越慢（3-4 最优） |
| `t_shift` | 0.9 | 越高音质越好但发音可能出错 |
| `speed` | 1.0 | 语速控制，越低越慢 |
| `rms` | 0.01 | 音量，越高越响 |
| `return_smooth` | False | 金属感消除，开启后更平滑但清晰度降低 |
| `ref_duration` | 5 | 参考音频时长，降低可加速，出现伪影则设 1000 |

## 社区生态

- [LuxTTS-Gradio](https://github.com/NidAll/LuxTTS-Gradio) — Gradio Web UI
- [OptiClone](https://github.com/ycharfi09/OptiClone) — 精美 UI 应用
- [LuxTTS-ComfyUI](https://github.com/DragonDiffusionbyBoyo/BoyoLuxTTS-Comfyui) — ComfyUI 节点
- [Lux-TTS ONNX](https://github.com/ningyos/luxtts-onnx) — ONNX 推理版本
- [FalAI](https://fal.ai/models/fal-ai/lux-tts) — 在线试用

## 与同类模型对比

| 模型 | 显存需求 | 音质 | 速度 | 声音克隆 |
|------|---------|------|------|---------|
| **LuxTTS** | **~1GB** | **48kHz** | **150x** | ✅ 3秒参考 |
| Qwen3-TTS | 较大 | 高 | 97ms流式 | ✅ 3秒克隆 |
| XTTS v2 | ~4GB | 24kHz | ~10x | ✅ 3秒参考 |
| Bark | ~4GB | 24kHz | ~5x | ❌ 无精确克隆 |

## 适合场景

- 本地低资源部署（笔记本/轻薄本即可）
- 批量语音生成（150x 速度优势明显）
- 需要声音克隆但 GPU 资源有限的项目
- 嵌入到应用中作为 TTS 后端

---

**分类**：软件
**标签**：声音 · 克隆 · LuxTTS
**作者**：Xiao.Xi
**链接**：https://octohz.com/p/1907