T5Gemma-TTS 是音频音乐领域的开源项目，由 Aratako 开发，2025 年首次发布。
它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 312。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-07。MIT许可证，可免费使用和部署。
它主要面向的使用场景是：有声书和播客的个性化配音。同类可对比的替代方案包括 XTTS、Coqui TTS、Bark。
T5Gemma-TTS
上传一段语音，即刻克隆音色并生成多语言自然语音。
T5Gemma-TTS 是一个基于 T5Gemma 编码器-解码器大语言模型的多语言语音合成项目，专注于语音克隆和时长控制。它利用先进的 LLM 架构，将文本输入转换为自然流畅的语音，并支持用户自定义音色进行克隆，同时允许精细调节语速和停顿等时长属性。项目旨在解决传统 TTS 系统在多语言支持、音色复刻和韵律控制方面的不足，为开发者提供高灵活性的语音生成工具。其核心能力包括多语言文本转语音、零样本或少样本语音克隆、以及细粒度的时长控制，适用于有声书制作、虚拟助手、游戏配音和辅助技术等多种场景。项目基于 PyTorch 和 Transformers 库构建，代码开源，便于研究者与开发者进行二次开发和集成。
开源
free
音频音乐
GitHub 星标
★ 312
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类音频音乐
开发团队Aratako
所属国家
定价模式free
价格说明开源模型，MIT许可证，可免费使用和部署。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型encoder-decoder,llm,python,pytorch,speech-synthesis,text-to-speech,transformers,tts,voice-cloning
GitHub 星标★ 312
30天Star增速
HF 下载量
上线时间2025-12-13 00:00:00
最近更新2026-09-07 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3
使用教程
核心亮点
- 基于 T5Gemma LLM 架构，语音生成质量高，韵律自然
- 支持多语言和语音克隆，可快速复刻目标音色
- 提供时长控制功能，可精细调节语速和停顿
不足之处
- 早期项目，文档和社区支持待观察
- 依赖大模型，推理资源消耗可能较高
适用场景
- 有声书和播客的个性化配音
- 虚拟助手和聊天机器人的语音交互
- 游戏和影视内容的多语言角色配音
替代项目
XTTS、Coqui TTS、Bark
项目介绍
上一篇：manim-voiceover
下一篇：xcodec
同类项目推荐
tango
开源
输入一句话，自动生成匹配的音频内容
A family of diffusion models for text-to-audio generation.
AuK
开源
一个模型搞定语音生成、编辑与分离
AuK: An Open-Source Foundational Model for Speech Generation and Editing
swift-tts
开源
Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine
A straightforward package containing version for Swift modern concurrency, Point-Fre···
ai-dj
开源
现场演出中实时用 AI 生成音乐，保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···