代码 Piper：离线中文 TTS 的轻量选项

2026-08-30 19:24:04

Piper：离线中文 TTS 的轻量选项

要给树莓派 4 上的智能家居加语音播报，我先排除了云端 TTS：要联网、要计费，断网就变哑巴。也试过本地模型，多数依赖 GPU，树莓派带不动。后来试了 Piper——一个本地神经网络 TTS，模型只有几十 MB，CPU 推理就能实时出声，中文支持完整。这篇笔记记录安装、用法和边界。

它解决什么问题

Piper 是本地运行的神经 TTS 引擎，不需要联网，不调云端 API。支持超过 30 种语言，含中文（zh_CN），每种语言下有不同发音人和音质档位（low / medium / high）。中文模型体积约 60 MB，最小的约 20 MB。

引擎采用 VITS 训练，导出为 ONNX 格式，CPU 推理足够流畅，无需 GPU。原文给出的参考数据是：树莓派 4 上接近 95% 的实时率。仓库当时约 5.1k star，已被 Home Assistant、NVDA、LocalAI 等采用为默认或推荐语音引擎，还被用在这类场景：

视障人士的图像描述辅助
Runelite 游戏插件配音

安装与首次合成

需要 Python 的 pip：

pip install piper-tts

列出可下载的模型：

python3 -m piper.download_voices

输出几十种语言，中文在列表末尾。官方提供试听站，建议先听再选：

https://rhasspy.github.io/piper-samples

下载中文模型：

python3 -m piper.download_voices zh_CN-chaowen-medium

模型默认下载到当前目录，换目录加 --data-dir 。

合成一句语音：

python3 -m piper -m zh_CN-chaowen-medium -f test.wav --"你好，我是开源君!"

直接生成 wave 文件。原文没有给出 piper-tts 的具体版本号，也没有写测试所用的操作系统和 Python 版本，这两点需要自己确认。

Python 集成

import wave
from piper import PiperVoice

voice = PiperVoice.load("zh_CN-chaowen-medium")
with wave.open("test.wav", "wb") as wav_file:
voice.synthesize_wav("你好，开源君。", wav_file)

Piper 也支持把音频流式输出到标准输出，边合成边播放。第一句还没合成完，后面的句子已开始处理，播报延迟较低，适合实时语音助手。

多端接入

除了命令行，还提供：

Python API
C / C++ 接口
Web 服务

限制与取舍

适用场景：

需要离线可用、断网持续工作的语音播报
设备算力有限，没有 GPU
不想为简单 TTS 功能引入云端依赖和费用

需要注意的边界：

中文模型只有几十 MB，声音表现力比不上云端大模型。原文没有给音质对比数据，是否满足需求只能自己听。
原文没有列出完整的发音人清单，只给了 zh_CN-chaowen-medium 一个可操作示例。其他中文发音人和档位需要进 download_voices 列表查。
实时率参考值（95%）没有注明具体模型档位和硬件环境，只能当方向参考。
训练专属声音需要自己准备语音数据，原文未展开数据规模、时长和格式要求。
失败表现：原文未提供任何报错、版本冲突或模型下载失败的排查案例。真遇到问题，只能靠仓库 issue 和实际输出定位。

项目地址：https://github.com/OHF-Voice/piper1-gpl

复制全文生成海报 Piper TTS 离线语音树莓派语音合成