Tacotron 是音频音乐领域的开源项目，由 bshall 开发，2020 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 115。
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 2026-03-12。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：研究TTS注意力机制改进。同类可对比的替代方案包括 Tacotron2、FastSpeech、ESPnet-TTS。
Tacotron
长文本语音合成不掉字，PyTorch 实现 Tacotron
Tacotron 是一个基于 PyTorch 实现的端到端文本转语音（TTS）系统，专注于长句语音合成的鲁棒性。它实现了位置相对注意力机制（Location-Relative Attention），解决了传统注意力在长文本合成时容易出现的对齐漂移和重复/漏读问题。项目包含完整的训练和推理流程，支持从文本到 Mel 频谱图的直接生成，并可与声码器（如 WaveGlow）配合输出最终音频。核心能力包括：位置相对注意力、动态衰减惩罚、多步注意力等，适用于长段落、多句子的语音合成场景。作为早期研究实现，代码结构清晰，适合学习和二次开发。
开源
free
音频音乐
GitHub 星标
★ 115
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bshall
所属国家
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attention-mechanism,pytorch,speech-synthesis,tacotron,text-to-speech,tts
GitHub 星标★ 115
30天Star增速
HF 下载量
上线时间2020-11-02 00:00:00
最近更新2026-03-12 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4
使用教程
核心亮点
- 实现了位置相对注意力，显著提升长句合成的稳定性
- 代码结构清晰，适合学习 TTS 核心原理
- 基于 PyTorch，易于扩展和集成现代声码器
不足之处
- 文档和社区支持较少，上手需自行阅读代码
- 仅提供 Mel 频谱生成，需额外搭配声码器才能输出音频
适用场景
- 研究 TTS 注意力机制改进
- 长文本/多段落语音合成原型开发
- 教学演示端到端 TTS 流程
替代项目
Tacotron2、FastSpeech、ESPnet-TTS
项目介绍
上一篇：ElevenLabs-Clone
下一篇：TTS-RVC-API
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···