Tacotron2-PyTorch

用PyTorch快速训练Tacotron 2，支持缩减因子加速合成

这是一个基于PyTorch实现的Tacotron 2文本转语音（TTS）模型，旨在提供比原始实现更快的训练速度和更灵活的参数控制。它解决了Tacotron 2在训练过程中速度慢、参数调整不便的问题，通过引入reduction factor（缩减因子）机制，允许模型一次预测多个帧，从而加速训练和推理。项目核心能力包括：完整的Tacotron 2模型架构（编码器、注意力机制、解码器、后处理网络）、支持LJSpeech等标准数据集、提供预训练模型权重、以及灵活的配置选项。代码结构清晰，适合研究者快速上手进行TTS实验，也适合开发者集成到语音合成应用中。

开源 free 音频音乐
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 148
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BogiHsu
所属国家
官网地址
GitHubhttps://github.com/BogiHsu/Tacotron2-PyTorch
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ljspeech,pretrained-models,pytorch,reduction-factor,tacotron,tacotron2,tacotron2-pytorch,text-to-speech,tts
GitHub 星标★ 148
30天Star增速
HF 下载量
上线时间2019-06-02 00:00:00
最近更新2025-10-28 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2

使用教程

核心亮点

  • 引入reduction factor，训练和推理速度比原版快
  • 提供预训练模型，开箱即用
  • 代码结构简洁，易于修改和扩展

不足之处

  • 文档和社区支持较少，依赖原版论文理解细节
  • 仅支持单说话人，不支持多说话人训练

适用场景

  • 学术研究：复现Tacotron 2并测试改进方案
  • 个人开发者快速搭建TTS原型
  • 教育用途：学习TTS模型内部机制

替代项目

NVIDIA/tacotron2、espnet/espnet、coqui-ai/TTS

项目介绍

Tacotron2-PyTorch 是音频音乐领域的开源项目，由 BogiHsu 开发，2019 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 148。

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 2025-10-28。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：学术研究：复现Tacotron2并测试改进方案。同类可对比的替代方案包括 NVIDIA/tacotron2、espnet/espnet、coqui-ai/TTS。

上一篇：amazon-polly-sample

下一篇：Comprehensive-E2E-TTS

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.

★ 1239 2026-08-09
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

★ 1236 2026-09-13
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···

★ 52 2026-08-09
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···

★ 245 2026-08-09