一、教程简介

本教程基于 Supertone 官方开源项目「Supertonic」，感谢 Supertone 团队对开源社区的贡献 ❤️！

Supertonic 是 Supertone 团队于 2025 年 1 月推出的本地文本转语音引擎（Text to Speech, TTS）。其核心推理端采用 ONNX Runtime 实现，专为低延迟和高并发场景设计。与传统的大型 TTS 模型不同，Supertonic 在保持高质量语音合成的同时，极大地降低了硬件门槛，支持在桌面端、服务器甚至边缘设备上进行完全离线的实时推理。它特别适合对隐私安全有要求，或需要集成到实时交互应用（如数字人、游戏语音）中的场景。

请注意：本项目目前仅支持英文文本的语音合成。

本教程在 OpenBayes 平台上，以「单卡 RTX 5090」作为演示算力资源，配合 onnxruntime-gpu 硬件加速，使用 Gradio 搭建了一个可视化网页界面，实现毫秒级的英文语音合成体验。

二、项目示例

三、运行步骤

1. 启动容器后点击 API 地址进入 Web 界面

1. 在 OpenBayes 控制台中克隆本公共教程。
2. 启动容器：系统会自动为您分配 RTX 5090 资源。
3. 等待启动：容器启动后，后台脚本 dependencies.sh 会自动配置 CUDA 环境并加载模型。由于核心依赖已预装，此过程非常快，通常仅需 1-2 分钟。
4. 访问应用：待容器状态变为「运行中」后，点击容器详情页右上角的「API 地址」按钮，即可打开 Gradio 网页界面。

2. 在网页中输入文本并合成语音

若显示「Bad Gateway」，这表示服务正在启动中，由于模型加载需要时间，请等待约 1-2 分钟后刷新页面即可。

使用 Safari 浏览器时，音频可能无法直接播放，需要下载后进行播放。

进入网页后，您将看到全英文的交互界面。

基本使用步骤：

1. Input Text：在左侧文本框中输入您想要合成的英文内容。 Example: Supertonic is a lightning-fast text-to-speech model.
2. Voice Style：在下拉菜单中选择预设的风格（如 Male 1 男声或 Female 1 女声）。
3. Speed：拖动滑块调整语速，默认为 1.0 。
4. Generate Speech：点击生成按钮。
5. Audio Output：等待片刻，右侧播放器即会自动播放生成的音频，您也可以点击右上角下载按钮保存 .wav 文件。

注意：首次点击生成时，ONNX Runtime 可能需要几秒钟进行 CUDA 初始化和图优化，后续的生成速度将会非常快。

四、交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓

引用信息

@article{kim2025supertonic,
  title={SupertonicTTS: Towards Highly Efficient and Streamlined Text-to-Speech System},
  author={Kim, Hyeongju and Yang, Jinhyeok and Yu, Yechan and Ji, Seunghun and Morton, Jacob and Bous, Malek and Lee, Sungjae},
  journal={arXiv preprint arXiv:2503.23108},
  year={2025},
  url={[https://arxiv.org/abs/2503.23108](https://arxiv.org/abs/2503.23108)}
}

@article{kim2025larope,
  title={Length-Aware Rotary Position Embedding for Text-Speech Alignment},
  author={Kim, Hyeongju and Lee, Juheon and Yang, Jinhyeok and Morton, Jacob},
  journal={arXiv preprint arXiv:2509.11084},
  year={2025},
  url={https://arxiv.org/abs/2509.11084}
}
@article{kim2025spfm,
  title={Training Flow Matching Models with Reliable Labels via Self-Purification},
  author={Kim, Hyeongju and Yu, Yechan and Yi, June Young and Lee, Juheon},
  journal={arXiv preprint arXiv:2509.19091},
  year={2025},
  url={https://arxiv.org/abs/2509.19091}
}