voicesmith

一键搞定 TTS 模型训练，从数据到模型不再头疼

VoiceSmith 是一个正在开发中的语音合成工具包，旨在简化文本到语音（TTS）模型的训练流程。它主要面向研究人员和开发者，解决了传统 TTS 训练中数据管理复杂、预处理繁琐、模型配置困难等问题。项目基于 Python，集成了数据集管理、预处理、模型训练等模块，并支持 DelightfulTTS 和 UnivNet 等主流模型架构，提供语音克隆能力。其核心能力包括：统一的数据集管理接口，支持多种数据格式；自动化的音频预处理流程，如文本清洗、音素转换、特征提取等；以及简化的模型训练和微调流程，降低上手门槛。目前项目处于早期阶段，功能仍在完善中，但已展现出成为一站式 TTS 训练平台的潜力。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 230

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dunky11

所属国家

官网地址https://docs.voicesmith.io

GitHubhttps://github.com/dunky11/voicesmith

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。

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dataset-manager,delightfultts,preprocessing,speech-synthesis,text-to-speech,toolkit,tts,univnet,voice-cloning

GitHub 星标★ 230

30天Star增速

HF 下载量

上线时间2022-05-17 00:00:00

最近更新2026-07-26 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

提供统一的数据集管理接口，支持多种数据格式，简化数据准备
内置 DelightfulTTS 和 UnivNet 等先进模型，开箱即用
自动化预处理流程，减少手动操作，提升训练效率

不足之处

项目尚处 WIP 阶段，功能不完整，稳定性待验证
文档和社区支持较少，上手可能遇到困难

适用场景

研究者快速验证新的 TTS 模型架构
开发者构建自定义语音克隆应用
教育场景中教学 TTS 训练流程

替代项目

Coqui TTS、ESPnet、Mozilla TTS

项目介绍

voicesmith 是音频音乐领域的开源项目，由 dunky11 开发，2022 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 230。

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 2026-07-26。Apache-2.0许可证，完全免费，需自行部署。

它主要面向的使用场景是：研究者快速验证新的TTS模型架构。同类可对比的替代方案包括 Coqui TTS、ESPnet、Mozilla TTS。

上一篇：Crystal

下一篇：ronor