EmotiVoice

EmotiVoice （https://github.com/netease-youdao/EmotiVoice）易魔声是网易有道开源的情感智能语音合成系统，其核心目标是为开发者提供零门槛、高可控、多场景适配的语音合成解决方案。
功能特点：
丰富的情感合成功能：支持 8 种基础情感，如快乐、悲伤、愤怒等，以及 3 种风格，包括正式、幽默、温柔等，情感准确率达 92%。通过提示词驱动情感建模，结合情感嵌入向量技术，可精准控制语音的情感基调，还能同时融合情感、语言和风格，如生成带英国口音的愤怒男声。
多样的音色选择：拥有 2000 多种预制音色，覆盖男声、女声、童声、方言等多种类型，每个音色包含年龄、性格等标签，如 “25 岁温柔女声”“50 岁严肃男声” 等，支持按场景快速筛选。此外，还支持语音克隆功能，仅需 5 秒参考音频即可复现用户自定义音色，且克隆的音色可同时支持中英双语。
多语言支持：支持中英双语自动识别，能处理混合文本，如 “Hello, 世界！”，发音自然度媲美母语者，适合跨国企业客服等场景。
高效的推理与部署：提供 Docker 一键部署、命令行工具、OpenAI 兼容 API 三种接入方式，支持云端、边缘设备和离线环境。利用 NVIDIA CUDA 和 Intel OpenVINO 实现 GPU/CPU 混合推理，在 RTX 4090 上实现 20 倍实时合成速度，1 分钟文本合成仅需 3 秒。移动端 SDK 体积压缩至 100MB 以下，在骁龙 8 Gen2 芯片上实现实时合成，延迟低于 200 毫秒。
批量处理能力：API 支持 JSON 批量输入，单次处理上限 10 万条文本，可返回 MP3/WAV 格式音频，适合有声书制作等场景。
应用场景：
有声书制作：可批量生成章节音频，支持按章节自动分割和元数据标注，为有声书创作者提供高效的语音合成解决方案。
虚拟助理：能赋予虚拟助理更丰富的情感和个性化的声音，提升用户与虚拟助理的交互体验。
教育软件：在教育软件中，可根据不同的教学内容和场景，生成具有相应情感的语音，增强教学的趣味性和效果。
游戏配音：为游戏角色创建专属语音库，使游戏角色更加生动形象，提升玩家的游戏体验。
短视频配音：为短视频创作者提供多样化的语音选择，能够根据视频内容添加相应情感的语音，增强视频的吸引力和感染力。
开源与社区：该项目遵循 Apache – 2.0 许可证开源，所有用户均可免费下载使用，并可在 GitHub 上获取源代码，鼓励社区参与和创新。