dctts-pytorch 是音频音乐领域的开源项目，由 chaiyujin 开发，2018 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 76。
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 2024-08-12。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：学术研究：快速复现DC-TTS论文基线。同类可对比的替代方案包括 Tacotron2-PyTorch、ESPnet-TTS、Coqui-TTS。
dctts-pytorch
用卷积网络快速训练你的中文语音合成模型
DC-TTS 的 PyTorch 非官方实现，基于论文《Efficiently Trainable Text-to-Speech System Based on Deep Convolutional Networks with Guided Attention》。该项目旨在提供一个轻量、可训练的端到端文本转语音方案，解决传统 TTS 模型训练成本高、依赖复杂对齐的问题。核心能力包括：使用深度卷积网络替代循环网络，通过引导注意力机制实现文本与语音的隐式对齐，支持多说话人训练（通过说话人嵌入），并提供完整的训练、合成流程。代码结构清晰，适合研究或二次开发，但作为早期项目，功能相对基础，未包含波形生成模块，需配合外部声码器使用。
开源
free
音频音乐
GitHub 星标
★ 76
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chaiyujin
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dc-tts,pytorch,text-to-speech,tts
GitHub 星标★ 76
30天Star增速
HF 下载量
上线时间2018-06-15 00:00:00
最近更新2024-08-12 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5
使用教程
核心亮点
- 纯卷积结构，训练速度比 RNN 类 TTS 更快
- 内置引导注意力，无需外部对齐工具即可训练
- 支持多说话人，通过简单嵌入实现音色切换
不足之处
- 未提供预训练模型，需自行准备数据和训练
- 缺少声码器，需额外集成 WaveGlow 等才能生成音频
适用场景
- 学术研究：快速复现 DC-TTS 论文基线
- 教学演示：理解端到端 TTS 的注意力机制
- 轻量级 TTS 原型开发：在资源受限环境训练
替代项目
Tacotron2-PyTorch、ESPnet-TTS、Coqui-TTS
项目介绍
上一篇：UnivNet-pytorch
下一篇：PolyLangVITS
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···