dl-for-emo-tts
照着跑一遍，快速上手情感语音合成实验
项目预览
项目数据
项目介绍
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 ★ 457
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。
环境要求
- 无需环境
安装与启动步骤
-
1直接开 Colab
README 顶部有 Colab 徽章，点开就能跑，不用本地装环境。
-
2按目录挑一个实验看
它把六种 Tacotron 与 DC-TTS 微调方案分节记录，先看结论再看代码。
-
3复现其中一组对比
选一个方案改学习率或冻结层，跑一遍听合成结果差异。
-
4对照论文引用核结论
结论都标了出处，引用前回原文核对，别只信 notebook 里的注释。
如何确认成功
能说清冻结编码器与调小学习率两种策略在你自己的语料上分别带来什么变化，而不是只复述 README
注意事项
- 这是实验总结与研究记录，不是可直接上线的情感 TTS 产品。
- 依赖的 Tacotron 实现较老，装环境时容易卡在旧版 TensorFlow 上，优先用 Colab。
- 情感标注依赖 RAVDESS、EMOV-DB 这类带情绪标签的语料，商用前先看各自许可。
- 语音克隆类应用涉及人格权，做产品前要拿到被模仿者的书面授权。
- 结论有 DOI，引用时用 Zenodo 那条而不是仓库地址。
核心亮点
- 实验记录详实，包含多种模型和技巧的对比，节省调研时间
- 代码以Notebook形式呈现，易于逐步执行和修改，适合学习
- 聚焦情感TTS细分领域，内容垂直，针对性强
不足之处
- 项目处于早期阶段，文档和社区支持待观察
- 实验规模可能有限，未覆盖最新SOTA模型
适用场景
- 学术研究者入门情感语音合成领域
- 工程师评估不同情感TTS方案的效果
- 教学场景中作为深度学习与语音结合的案例
替代项目
Emotional-TTS、Tacotron、FastSpeech
上一篇：tts.astromech
下一篇：ComfyUI-XTTS
同类项目推荐
erm
开源
一键剪掉录音里的“嗯啊”，让口语更干净
Local CLI that strips disfluencies (um, uh, er, erm, ah, hmm, mhm, mm, uh-huh, etc) ···
elevenlabs-node
开源
在 Node.js 里快速集成 ElevenLabs 高质量 AI 语音合成
Eleven Labs text to speech package for NodeJS. You can use the official package at: ···
open-audio
开源
输入文字，一键生成自然语音并下载
Open-Audio TTS: A robust web app leveraging OpenAI's powerful Text-to-Speech (TTS) m···
ComfyUI-Step_Audio_EditX_TTS
开源
在 ComfyUI 里拖拽节点，几秒克隆声音并编辑音频
ComfyUI nodes for Step Audio EditX - State-of-the-art zero-shot voice cloning and au···
tiktok-tts
开源
一行代码调用 TikTok 语音合成，快速生成 MP3 音频。
Provides a simple way to generate text-to-speech audio files using TikTok's text-to-···
Qwen3-TTS-GGUF
开源
把 Qwen3-TTS 塞进 llama.cpp，本地语音合成快起来
最极速的Qwen3-TTS推理方案。将 Qwen3-TTS 的 LLM 部分导出为 GGUF，用 llama.cpp 进行加速···
AudioMAE-pytorch
开源
用掩码自编码器预训练音频模型，轻松提取通用音频特征
Unofficial PyTorch implementation of Masked Autoencoders that Listen
edge-tts-webui
开源
打开网页，输入文字，一键生成自然语音
edge-tts webui
Expressive-FastSpeech2
开源
让TTS带情绪和对话感，快速训练多语言表达性语音
PyTorch Implementation of Non-autoregressive Expressive (emotional, conversational) ···