Africa TTS

Africa TTS

用 92 种非洲语言和英语朗读文字，在 CPU 上比实时更快，还能用一小段音频克隆声音。适合需要非洲语言语音的开发者和研究人员。

由 AfriSpeech 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Africa TTS 是 AfriSpeech 推出的文字转语音模型，覆盖 92 种非洲语言和英语。它有 110M 参数，据模型卡说，在 CPU 上的速度约是实时的 2.4 倍。每种语言都有默认声音，你也可以用一小段音频克隆声音。请只使用你有权使用的声音。

适合谁：需要非洲语言语音的开发者、老师和研究人员，这些语言很少有现成的语音工具。它的许可证是非商业的，所以适合学习、研究和个人项目。

Title: 谁在用，怎么用
Industry | Who uses it | How they use it | Example
教育 | 老师 | 用本地语言制作音频课程 | 老师把一小段 Twi 文字变成语音片段
软件 | 应用开发者 | 给应用加上语音输出，包括通过 int8 包用在手机上 | 开发者用斯瓦希里语朗读消息
无障碍 | 内容创作者 | 为文字提供朗读音频 | 作者为一篇豪萨语文章制作音频
研究 | 语音研究人员 | 研究低资源语言的语音合成 | 在同样的句子上对比与另一个系统的错误率

如果是商业产品，可以跳过它，因为模型卡的许可证不允许商业用途。

用在哪里：

• CPU 上的 Python，这是默认方式
• NVIDIA GPU 上的 Python，使用 cuda 设备
• 手机，通过模型卡提到的 int8 包
• Windows、macOS 或 Linux，用于下载文件

Use case | Who | What they get back
朗读一句话 | 开发者 | 这段文字的 24 kHz 单声道音频
克隆声音 | 创作者 | 用 3 到 10 秒音频中复制的声音说出的话
在手机上运行 | 移动开发者 | 来自 sherpa-onnx 的 int8 包的语音

如何设置：你需要 Python 和 pip。英语还需要 espeak-ng 程序，模型卡中有提到。

• Python 和 pip
• espeak-ng，如果你想用英语
• 可选：NVIDIA GPU

1. 安装 africa-tts 包。
2. 在 Python 里加载模型，默认使用 CPU。
3. 生成语音并保存为 WAV 文件。

pip install africa-tts   # English also needs espeak-ng

走 Hugging Face 的方式则是获取仓库里的文件。

pip install -U huggingface_hub
hf download AfriSpeech/africa-tts

如何使用：加载模型，用文字和语言代码调用 generate，再保存结果。请像模型卡建议的那样，把数字写成文字。

from africa_tts import AfricaTTS

tts = AfricaTTS.load()                                                  # PyTorch CPU (default)
audio = tts.generate("Akwaaba! Yɛfrɛ me Kofi.", lang="twi")              # default Twi voice
audio = tts.generate("Hello Ghana!", lang="eng", voice="my_voice.wav")  # clone a 3-10 s clip
tts.save(audio, "out.wav")

tts_gpu = AfricaTTS.load(device="cuda")                                 # PyTorch on NVIDIA GPU

Tool | What it does
AfricaTTS.load | 在 CPU 上加载模型，用 cuda 设备则在 GPU 上加载
tts.generate | 根据文字生成音频，带语言代码和可选的声音文件
tts.save | 把音频写成 WAV 文件

示例：你传入一句 Twi 问候，并把语言设为 twi。调用会返回默认 Twi 声音的音频，保存后得到一个名为 out.wav 的 24 kHz 单声道 WAV 文件。

新手与专家：如果你是新手，安装这个包，运行示例的前三行，再播放它写出的文件。然后试试别的语言代码。

对熟悉的人来说，这个模型是带 Mimi 编解码器的 6 层 Pocket TTS FlowLM，由一个带引导的 24 层基础模型蒸馏而来，所以引导已经包含在权重里。它通过一个单独的转换器读取 IPA。训练用了 897 小时的真实语音。和 MMS-TTS 相比，它在 27 种共有语言中的 21 种上字符错误率更低。

输入文字和语言代码
文字转换成 IPA
模型生成音频
保存为 24 kHz 单声道文件

注意事项：

Title: Africa TTS 的字符错误率，越低越好
Swahili: 1.2 %
English: 2.4 %
Kirundi: 3 %
Kinyarwanda: 3.2 %
Hausa: 4.2 %
Amharic: 5.7 %
Yoruba: 17 %
Fon: 22.5 %

• License: CC BY-NC 4.0，禁止商业使用
• Cost to run: 没有列出费用，你用的是自己的 CPU 或 GPU
• Data it reaches: 它从 Hugging Face 下载文件，声音克隆会读取你提供的音频
• Not for: 商业产品，或克隆你无权使用的声音
• 质量因语言而异，模型卡里有些语言的错误率较高，比如 Fon 是 22.5

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 框架：pocket-tts
• 参数量：110M
• Weights: about 438 MB in F32; about 55 MB at 4-bit (estimate)
• Formats: Safetensors, GGUF
• 最近 30 天下载：46
• 点赞：4
• 许可证：cc-by-nc-4.0
• 语言：ada, aha, ajg, am, amh, bas, bci, bem
• 基于：kyutai/pocket-tts
• 标签：pocket-tts, onnx, safetensors, gguf, text-to-speech, african-languages, voice-cloning, multilingual

链接

• 模型：https://huggingface.co/AfriSpeech/africa-tts
• 文件：https://huggingface.co/AfriSpeech/africa-tts/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download AfriSpeech/africa-tts

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。