GPA

一个模型搞定语音识别、合成和转换，轻量高效

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 201 🐛 待处理 3 👀 关注 231

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 3056

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，可免费使用和部署，无付费版本。

项目预览

项目数据

分类音频音乐

开发团队AutoArk

官网地址https://autoark.github.io/GPA

GitHubhttps://github.com/AutoArk/GPA

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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★ 3056

上线时间2025-12-16 00:00:00

代码更新2026-05-25

仓库体积163.7 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数7

项目介绍

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。

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 ★ 3056

技术标签

asr automatic-speech-recognition text-to-speech transformer tts

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

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。