XTTSv2-Finetuning-for-New-Languages

给XTTS v2添加新语言，微调后即可合成和克隆声音

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 音频音乐 🍴 复刻 70 🐛 待处理 21 👀 关注 7
GitHub ↗
GitHub 星标 ★ 203
维护状态 较活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目，本地部署，完全免费

项目预览

XTTSv2-Finetuning-for-New-Languages 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐
开发团队anhnh2002
GitHubhttps://github.com/anhnh2002/XTTSv2-Finetuning-for-New-Languages
定价模式🏷️完全免费
价格说明开源项目，本地部署，完全免费
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
主要语言Python
技术栈/模型speech-synthesis,text-to-speech,voice-cloning,voice-synthesis
GitHub 星标★ 203
上线时间2024-08-24 00:00:00
代码更新2026-10-15
仓库体积1.7 MB
本站数据更新2026-11-10
维护状态较活跃
收录时间2026-08-09
浏览次数4

项目介绍

XTTSv2-Finetuning-for-New-Languages 是一个针对 Coqui XTTS v2 模型进行多语言微调的开源工具，旨在让开发者能够为 XTTS v2 添加新的语言支持，并实现高质量、多说话人的语音合成和声音克隆。该项目解决了 XTTS v2 原生语言覆盖有限的问题，通过提供完整的微调流程、数据准备脚本和推理示例，使用户能够基于少量音频数据训练出特定语言的语音模型。核心能力包括：支持自定义语言的数据集构建、模型微调训练、以及微调后的语音合成与声音克隆推理。项目基于 Python 和 PyTorch，技术栈涵盖语音合成、文本转语音、声音克隆等，适合研究者和开发者用于扩展 TTS 系统的语言能力。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 203

核心亮点

  • 提供完整的微调流程和脚本，上手门槛低，适合快速扩展新语言
  • 基于 Coqui XTTS v2，支持多说话人声音克隆，合成语音自然度高
  • 社区活跃，有示例和文档，便于二次开发和定制

不足之处

  • 依赖 Coqui XTTS v2 模型，模型较大，训练和推理资源要求高
  • 文档/社区待观察

适用场景

  • 为特定语言（如小语种）定制TTS语音合成系统
  • 在低资源语言上实现声音克隆，用于配音或虚拟助手
  • 研究多语言语音合成和模型微调技术

替代项目

Coqui TTS、Mimic3、ESPnet-TTS

上一篇：easevoice-trainer

下一篇：voice_clone_lab

同类项目推荐

optimate 开源

给 AI 模型瘦身提速，部署更快更省资源

A collection of libraries to optimise AI model performances

★ 8327 2026-08-09
sd-leap-booster 开源

让 Stable Diffusion 微调更快，从局部最优起步，省时省力。

Fast finetuning using a booster model that puts the initial state to a local minimum

★ 112 2026-08-09
tempo 开源

把训练好的模型一键打包部署，快速上线生产环境

MLOps Python Library

★ 122 2026-08-09
TSLANet 开源

轻量级时间序列全能模型，低算力搞定分类、异常检测等任务

[ICML 2024] A novel, efficient lightweight approach combining convolutional operatio···

★ 271 2026-08-09
POInfra 开源

让扩散/流模型像策略一样在线微调与规划

Policy Optimization for Generative Models: diffusion and flow policies, online fine-···

★ 100 2026-10-14
Qwen3-TTS-EasyFinetuning 开源

上传少量音频，快速克隆音色并微调多语言语音合成模型

Easy fine-tuning for Qwen3-TTS: Fast voice cloning and high-quality multilingual spe···

★ 130 2026-08-09
GRAPE 开源

给图神经网络装上更强的位置编码，提升结构感知能力。

[ICLR 2026] GRAPE: Group Representational Position Encoding (https://arxiv.org/abs/2···

★ 122 2026-08-09