merlin

用深度学习快速训练自定义语音合成模型，从文本到语音一键生成。

Merlin 是一个基于深度学习的开源语音合成工具包，专注于文本到语音（TTS）和语音转换任务。它解决了传统语音合成系统依赖复杂信号处理、难以扩展的问题，提供了从声学特征提取到声码器重建的完整训练流程。核心能力包括：支持多种神经网络架构（如前馈神经网络、循环神经网络）、与 Keras 和 Theano 后端集成、提供特征提取和模型训练脚本、支持多说话人建模。用户可以通过配置文件和命令行接口快速训练自定义语音合成模型，适用于研究实验和原型开发。项目代码结构清晰，文档覆盖安装、数据准备和训练步骤，适合有一定深度学习基础的开发者使用。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1321

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CSTR-Edinburgh

所属国家

官网地址http://www.cstr.ed.ac.uk/projects/merlin

GitHubhttps://github.com/CSTR-Edinburgh/merlin

定价模式free

价格说明开源项目，Apache-2.0许可证，完全免费，需自行部署使用。

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deep-learning,keras,merlin,python,speech-synthesis,tensorflow,text-to-speech,theano,voice-conversion

GitHub 星标★ 1321

30天Star增速

HF 下载量

上线时间2016-08-10 00:00:00

最近更新2026-08-07 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3

使用教程

难度：进阶约 20 分钟部署方式：本地安装 5 步

环境要求

Python 2.7–3.6（README 明确声明兼容范围）
Theano 数值计算库（Merlin 核心依赖）
numpy、scipy、matplotlib、bandmat
可选：tensorflow（仅在用 tensorflow 模型时需要）
可选：sklearn、keras、h5py（仅在用 keras 模型时需要）
外部组件：前端文本处理器（如 Festival）与声码器（如 STRAIGHT 或 WORLD）

安装与启动步骤

1准备 Python 环境

确认 Python 版本落在 2.7–3.6 区间，并准备好可执行 shell 脚本的编译环境，供后续编译内置工具使用。
2编译内置工具

进入 merlin 项目根目录后执行，编译 Merlin 自带的基础工具；脚本依赖 bash 与系统编译工具链。
```
bash tools/compile_tools.sh
```
3安装 Python 依赖

仍在项目根目录执行，按 requirements.txt 安装 numpy、scipy、matplotlib、bandmat、theano 等必需依赖。
```
pip install -r requirements.txt
```
4安装可选依赖

需要使用 TensorFlow 或 Keras 模型时，另行安装 tensorflow、sklearn、keras、h5py；不用则跳过。
5准备外部组件

Merlin 本身只做声学建模，必须额外准备前端文本处理器（如 Festival）和声码器（如 STRAIGHT 或 WORLD）。

如何确认成功

README 未给出专门的验证命令；compile_tools.sh 与 pip 安装均无报错、Theano 可正常导入即视为环境就绪。

常见问题

Q：支持 Python 3.7 及以上版本吗？

A：README 明确写明兼容 Python 2.7–3.6，更高版本未声明支持，建议严格控制解释器版本。

Q：必须安装 TensorFlow 和 Keras 吗？

A：不必。两者属于可选依赖，只有使用 tensorflow 模型或 keras 模型时才需要安装。

Q：只安装 Merlin 就能直接合成语音吗？

A：不能。Merlin 需搭配前端文本处理器（如 Festival）和声码器（如 STRAIGHT 或 WORLD）一起使用。

Q：可以用于商业项目吗？

A：可以。Merlin 采用 Apache License 2.0，允许不受限制地商业和非商业使用。

Q：有现成的训练流程参考吗？

A：有。项目提供 Kaldi 风格的 recipes，展示如何构建当前最优的系统。

注意事项

提供的 README 节选在安装章节被截断，完整安装与数据准备说明见官方文档 cstr-edinburgh.github.io/merlin/
项目依赖的 Python 2.7–3.6 与 Theano 已较老旧，建议用 conda 或虚拟环境隔离，避免污染系统环境
Merlin 仅负责声学建模部分，数据准备需自行准备文本前端与声码器输出
本教程只包含 README 中实际出现的命令，未出现的安装步骤未作推测

核心亮点

提供完整的 TTS 训练流水线，从数据预处理到声码器合成，开箱即用
支持多种神经网络架构和 Keras/Theano 后端，灵活适配不同实验需求
社区活跃，持续更新，文档详细，适合学术研究和原型验证

不足之处

依赖较老的深度学习框架（Theano），与现代 PyTorch/TF2 生态兼容性差
合成音质相比现代端到端模型（如 Tacotron）有差距，需额外调参

适用场景

学术研究：对比不同声学模型在语音合成上的效果
语音克隆：基于少量数据训练特定说话人的合成模型
教育演示：教学深度学习在语音领域的应用

替代项目

Tacotron、FastSpeech、Mozilla TTS

项目介绍

merlin 是音频音乐领域的开源项目，由 CSTR-Edinburgh 开发，2016 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,321）位列前 30%，在音频音乐分类的 738 个项目里位列前 14%。

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 2026-08-07。Apache-2.0许可证，完全免费，需自行部署使用。

它主要面向的使用场景是：学术研究：对比不同声学模型在语音合成上的效果。同类可对比的替代方案包括 Tacotron、FastSpeech、Mozilla TTS。

上一篇：Matcha-TTS

下一篇：WavTokenizer