GPA

一个模型搞定语音识别、合成和转换，轻量高效

GPA（General Purpose Audio）是一个基于Transformer的通用音频模型，由AutoArk团队开发，旨在用单一小型模型同时实现自动语音识别（ASR）、文本转语音（TTS）和语音转换（VC）三大核心任务。它解决了传统音频处理中需要为不同任务分别训练多个模型、导致资源占用大和部署复杂的问题。GPA的核心能力在于其统一的模型架构，能够在一个紧凑的模型中高效处理多种音频任务，支持多语言和多种语音场景。项目基于Python实现，技术栈涵盖ASR、TTS、VC和Transformer，适合在资源受限的环境下部署，如边缘设备或实时应用。目前项目处于成长阶段，GitHub星标超过2200，社区活跃度较高，提供了预训练模型和推理示例，便于开发者快速集成和二次开发。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3106

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AutoArk

所属国家

官网地址https://autoark.github.io/GPA

GitHubhttps://github.com/AutoArk/GPA

定价模式free

价格说明开源项目，Apache-2.0 许可证，可免费使用和部署，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型asr,automatic-speech-recognition,text-to-speech,transformer,tts,vc,voice-conversion

GitHub 星标★ 3106

30天Star增速

HF 下载量

上线时间2025-12-16 00:00:00

最近更新2026-09-22 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6

使用教程

难度：进阶约 10 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（项目基于 Python 实现）
Git（用于克隆 GitHub 仓库）
确定运行形态：ONNX CLI 工具 / FastAPI 服务 / 浏览器 UI
如需 FP16、FP32 解码器，需额外的算力余量

安装与启动步骤

1克隆仓库

把 GPA 官方仓库拉到本地，后续所有运行方式都从仓库内的子目录文档开始。
```
git clone https://github.com/AutoArk/GPA
cd GPA
```
2选择版本目录

按需求进入 GPA_1.5（统一 ASR/TTS，接近 SOTA）或 GPA_TTS（轻量边缘 TTS）目录。
```
ls GPA_1.5 GPA_TTS
```
3阅读子目录说明

安装与运行命令以各子目录 README 为准，先通读再动手，避免环境装错版本。
```
cat GPA_1.5/README.md
cat GPA_1.5/onnx_runtime/README.md
cat GPA_TTS/README.md
```
4获取运行时资源

从 Hugging Face 下载 GPA-v1.5 ONNX 运行时资源包，得到模型与运行时文件。
5选定运行方式

ONNX 版本支持三种入口：ONNX CLI 工具、FastAPI 服务或浏览器 UI，按 ONNX 运行指南启动。

如何确认成功

按 GPA_1.5/onnx_runtime/README.md 中对应入口（CLI、FastAPI 或浏览器 UI）的说明确认服务或界面可用。

常见问题

Q：应该从哪个版本开始？

A：推荐 GPA-v1.5，用单一统一模型同时提供接近 SOTA 的 ASR 与 TTS 性能，详见 GPA_1.5/README.md。

Q：只想在边缘设备上做 TTS 怎么办？

A：使用独立的 GPA_TTS 轻量运行时，含 INT8/INT4 量化并支持声音克隆，是体积最小的开源 TTS 运行时之一。

Q：不想配复杂环境有别的选择吗？

A：可以用 GPA-v1.5 ONNX Runtime，通过 ONNX CLI 工具、FastAPI 服务或浏览器 UI 运行 ASR/TTS。

Q：合成音质不够好怎么提升？

A：GPA_TTS 除 INT8 外还提供 FP16/FP32 的 SparkDetokenizer 解码器，可在 CLI、API 或 Web UI 中运行时选择。

注意事项

本次 README 节选只有公告信息，未给出具体安装命令，实际步骤请以仓库内 GPA_1.5、GPA_TTS 等子目录文档为准。
ONNX 运行时资源包来自 Hugging Face 仓库 AutoArk-AI/GPA-v1.5-onnx-runtime，需自行下载而非随代码仓库提供。
GPA-v1.0 的快速开始、部署、基准与评测文档已迁移，旧链接可能失效。

核心亮点

单一模型覆盖ASR、TTS、VC三大任务，大幅降低部署和维护成本
模型体积小，适合边缘设备和实时推理场景
基于Transformer架构，支持多语言，泛化能力较强

不足之处

文档/社区待观察
模型在复杂噪声环境下的鲁棒性尚未充分验证

适用场景

智能语音助手（如家居设备、车载系统）
实时语音翻译和跨语言沟通工具
内容创作中的语音合成与角色声音转换

替代项目

Whisper、Coqui TTS、RVC

项目介绍

GPA 是音频音乐领域的开源项目，由 AutoArk 开发，2025 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（3,106）位列前 30%，在音频音乐分类的 738 个项目里位列前 7%。

近 42 天，它的 GitHub 星标从 2,283 增加到 3,106，净增 823。

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 2026-09-22。Apache-2.0 许可证，可免费使用和部署，无付费版本。

它主要面向的使用场景是：智能语音助手（如家居设备、车载系统）。同类可对比的替代方案包括 Whisper、Coqui TTS、RVC。

上一篇：IMS-Toucan

下一篇：WaveRNN

GPA