vits2

一条流水线生成自然语音，又快又像真人

开源 🏷️完全免费 ✅ 目前可打开音频音乐 🍴 复刻 76 🐛 待处理 20 👀 关注 12

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 648

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，提供在线演示页面，可免费体验，无付费版本。

项目预览

项目数据

分类音频音乐

开发团队daniilrobnikov

官网地址https://vits-2.github.io/demo

GitHubhttps://github.com/daniilrobnikov/vits2

定价模式🏷️完全免费

价格说明开源项目，提供在线演示页面，可免费体验，无付费版本。

访问状态✅ 目前可打开

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型deep-learning,pytorch,speech,speech-synthesis,text-to-speech,tts,vits2,voice-conversion

GitHub 星标★ 648

上线时间2023-07-29 00:00:00

代码更新2023-09-11

仓库体积7.5 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

VITS2 是一个基于 PyTorch 的单阶段文本转语音（TTS）模型，旨在提升语音合成的质量和效率。它通过对抗学习和架构设计改进，解决了传统两阶段 TTS 系统（如先产生中间表示再合成波形）的复杂性和性能瓶颈。核心能力包括：端到端训练，直接从文本生成高质量语音；支持多说话人合成和语音转换；采用对抗训练和条件流归一化等技术，使生成语音更自然、韵律更丰富。项目提供了预训练模型和推理代码，方便开发者快速集成。

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 ★ 648

技术标签

deep-learning pytorch speech speech-synthesis text-to-speech

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 180 分钟部署方式：本地GPU 5 步

环境要求

GPU 12G 显存
Python 3.11
LJSpeech 或 VCTK 数据

安装与启动步骤

1拉代码建环境

官方指定 Python 3.11，这套实现比 VITS 原版新一些。
```
git clone https://github.com/daniilrobnikov/vits2.git
```
2装依赖

依赖里有音素转换与音频前端，装完先确认能 import。
```
pip install -r requirements.txt
```
3预处理成梅尔谱

先把 LJSpeech 转成谱，产物目录要和控制文件里的路径对上。
```
python preprocess/mel_transform.py --data_dir /path/to/LJSpeech-1.1 -c datasets/ljs_base/config.yaml
```
4训单说话人

先用单说话人配置跑通，看 loss 是否稳定下降再扩大。
```
python train.py -c datasets/ljs_base/config.yaml -m ljs_base
```
5切多说话人

多说话人走另一套脚本，配置换成 VCTK 或自建那份。
```
python train_ms.py -c datasets/vctk_base/config.yaml -m vctk_base
```