Cross-Lingual-Voice-Cloning

用一段语音样本，跨语言克隆你的声音

这是一个基于PyTorch的Tacotron 2实现，专注于跨语言语音克隆。它解决了传统语音合成系统只能使用单一语言训练数据的问题，允许用户用源语言的语音样本克隆出目标语言的语音。核心能力包括：支持多语言文本到语音合成、通过VAE（变分自编码器）实现语音特征解耦、推理速度比实时更快。项目提供了完整的训练和推理代码，适合研究者和开发者进行二次开发。

开源 free 音频音乐
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 359
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deterministic-algorithms-lab
所属国家
官网地址
GitHubhttps://github.com/deterministic-algorithms-lab/Cross-Lingual-Voice-Cloning
定价模式free
价格说明开源项目，BSD-3-Clause许可证，可自由使用和修改，无付费版本。
访问状态
是否开源是
开源协议BSD-3-Clause
主要语言Jupyter Notebook
技术栈/模型multi-lingual,pytorch,text-to-speech,vae,voice-cloning
GitHub 星标★ 359
30天Star增速
HF 下载量
上线时间2020-04-02 00:00:00
最近更新2026-07-17 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

核心亮点

  • 推理速度超过实时，适合实际应用
  • 支持多语言，打破语言限制
  • 基于Tacotron 2，技术成熟可靠

不足之处

  • 文档/社区待观察
  • 依赖外部预训练模型，部署复杂

适用场景

  • 多语言有声内容制作
  • 个性化语音助手跨语言定制
  • 语音合成研究实验

替代项目

Real-Time-Voice-Cloning、Coqui TTS、ESPnet-TTS

项目介绍

Cross-Lingual-Voice-Cloning 是音频音乐领域的开源项目，由 deterministic-algorithms-lab 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 359。

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 2026-07-17。BSD-3-Clause许可证，可自由使用和修改，无付费版本。

它主要面向的使用场景是：多语言有声内容制作。同类可对比的替代方案包括 Real-Time-Voice-Cloning、Coqui TTS、ESPnet-TTS。

上一篇：VoiceFlow-TTS

下一篇：Dia-TTS-Server

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