Neocortex Logo

面向商业游戏语音的Coqui XTTS替代方案

Coqui于2024年关闭,其XTTS权重仅许可用于非商业用途。介绍一种可用于商业的游戏语音克隆替代方案。

Neocortex TeamThe team behind Neocortex

· 更新于 2026年10月20日 · 阅读约 5 分钟

Coqui于2024年关闭,其XTTS权重仅许可用于非商业用途。介绍一种可用于商业的游戏语音克隆替代方案。

Coqui XTTS的问题不在于声音,而在于许可。

Coqui TTS及其XTTS模型是开源的语音克隆工具,许多游戏开发者曾用它们来原型制作角色声音:几秒钟的参考音频、一段Python脚本,角色就能说话了。 然后,这个原型变成了你想要出售的游戏,问题也随之而来。谁为模型授权?谁负责让它持续运行?它要如何接入Unity?

商业游戏能发布XTTS声音吗?

按照已公布的许可,不能。XTTS-v2采用Coqui公共模型许可证(CPML)发布,该许可证只允许非商业地使用模型及其输出。 工具包代码采用单独的宽松许可,但这并不延伸到XTTS权重上。

在Coqui关闭之前,它曾出售XTTS的商业授权。如今公司已不复存在,没有明显的购买途径,而且已公布权重的许可也没有变化。 该许可同时涵盖模型和输出,因此离线渲染台词、只发布音频文件,并不能绕过它。 所以,在你的原型中听起来很对的克隆声音,仍然可能无法用于付费游戏。(我们不是律师,这也不是法律建议。请自行阅读CPML。)

Coqui目前的状况

  • 公司已经不存在。 Coqui于2024年初关闭,其托管服务也随之下线。
  • 原始代码仓库已处于休眠状态。 新的工作转移到了其他地方。
  • 代码在一个分支中延续。 Idiap研究所维护着一个社区分支,并发布coqui-tts包。
  • 没有商业支持。 没有可以联系的供应商,没有服务等级协议,也没有引擎SDK。

对游戏团队而言,自托管XTTS意味着什么

即使许可问题已经解决,在已发布的游戏中运行XTTS本身也是一个独立的项目。以下是你的团队需要构建和维护的内容:

  1. 一台带GPU的推理服务器,其规模需要满足同时说话的玩家数量峰值。
  2. 流式传输,让语音在整句合成完成之前就开始播放。
  3. Unity或Unreal的引擎客户端:发送文字、接收音频,并无间隔地播放。
  4. 语音识别,如果玩家需要回话,则需单独实现。
  5. 语言模型和角色逻辑,如果NPC需要回答而不是朗读台词,则需单独实现。
  6. 声音管理:存储参考片段、为声音设置版本,并在更新后保持其一致。
  7. 持续维护:只要游戏在线运营,就需要维护Python依赖、CUDA驱动和分支更新。

每一项都可以完成。合在一起,它们就是一个语音平台,而这是与你的游戏截然不同的另一种产品。

成本的表现方式也与游戏收入不同。GPU服务器无论是否有人说话,都按小时计费,而且必须按晚间高峰来配置,而不是按平均水平。如果某位主播带来一大波玩家涌入你的游戏,语音服务器会是第一个崩溃的东西。

自托管模型与托管平台的对比

这里的选择与其说是关于Coqui,不如说是两种方式之间的选择:

自托管开放模型托管角色平台
前期成本工程时间和GPU月度套餐
持续成本托管与维护月度套餐
许可取决于模型;XTTS-v2为非商业用途由套餐决定;Neocortex的Pro和Team套餐允许商业使用
控制权完全掌控权重和服务器由我们为你托管;在Neocortex上自托管属于定制企业方案
引擎支持你自己编写包含SDK
离线游玩可行,前提是你发布了模型需要连接,本地文字聊天原型除外

自托管适合研究、工具和非商业项目。对于商业游戏,通常由上面的许可和维护清单决定取舍。

Coqui XTTS与Neocortex对比

Coqui XTTSNeocortex
公司已关闭;社区分支活跃,定期发布SDK
商业使用模型许可为非商业Pro和Team套餐包含
语音克隆支持基于你拥有权利的简短样本
语音设计不支持根据文字描述生成声音
托管方式在你自己的GPU上自托管托管;自托管属于定制方案
引擎无,Python包Unity、Unreal Engine 5、Godot、Web API
语音识别不支持流式语音转文字
会说话的角色不支持完整的AI角色,支持语音输入和语音输出
本地AI可本地运行在Unity中通过Ollama使用本地模型,用于文字聊天原型

如果本地AI对你的项目很重要,我们关于用Unity在本地运行LLM的指南详细介绍了Ollama这一途径。

发布你可以销售的声音

迁移一个XTTS角色只需四个简单步骤。取你克隆时所用的参考片段,前提是你拥有该录音的权利。在Neocortex中克隆它,或者如果你想从头开始,就描述该声音。在编辑器中围绕它构建角色,然后用Unity SDK、Unreal Engine 5集成、Godot或Web API替换你的Python推理调用。

Neocortex用一个账户取代了整个XTTS技术栈。你可以用一段你拥有权利的简短录音克隆声音,也可以根据文字描述设计一个声音:Pro方案包含5种自定义声音,Team方案包含20种,两种方案都涵盖商业使用。 你无需运行GPU,因为语音会为你生成并流式传输。将声音附加到一个具有性格、知识和动作的角色上,在浏览器编辑器中测试,然后将其放入Unity、Unreal Engine 5或Godot中。

Coqui的详细信息最后核对于2026年10月。本文不构成法律建议;使用XTTS之前请自行阅读CPML。

常见问题

Coqui XTTS能用于商业游戏吗?

XTTS-v2的权重采用Coqui公共模型许可证,该许可只允许非商业使用;而且Coqui已经关闭,没有人再出售商业授权。你在Neocortex中克隆或设计的声音,在Pro和Team套餐中可用于商业用途。

Coqui TTS仍在维护吗?

原始代码仓库处于休眠状态,而由Idiap研究所维护的社区分支发布了coqui-tts包。Neocortex是一项持续维护的托管服务,提供适用于Unity、Unreal Engine 5和Godot的SDK。

Coqui XTTS有Unity插件吗?

没有,XTTS是一个需要你自己托管的Python包。Neocortex为Unity 6提供Unity SDK,包含六个示例场景、流式语音输入和输出,并在WebGL构建中支持麦克风。

AI语音克隆能在游戏中离线运行吗?

离线运行XTTS意味着在你自己的GPU上托管它,并遵守其非商业许可。Neocortex的语音作为云服务运行;你可以在Unity中通过Ollama使用本地模型原型化文字聊天,而自托管该平台属于定制企业方案。

相关文章

继续阅读