FastSpeech2

用 PyTorch 快速实现多说话人语音合成，训练推理都省心

FastSpeech2 是一个基于 PyTorch 的多说话人端到端文本转语音（TTS）开源实现，源自微软提出的 FastSpeech2 模型。它解决了传统自回归 TTS 模型（如 Tacotron2）推理速度慢、鲁棒性差的问题，通过非自回归的前馈网络并行生成梅尔频谱，显著提升合成速度。项目核心能力包括：支持多说话人训练与合成，可扩展音色；提供 MelGAN 和 WaveGlow 两种声码器选项，兼顾合成质量与速度；内置音素时长预测、能量和音高预测模块，使语音更自然、富有表现力。代码结构清晰，便于研究者复现和二次开发，适合作为 TTS 入门或实验基线。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 99

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ga642381

所属国家

官网地址

GitHubhttps://github.com/ga642381/FastSpeech2

定价模式free

价格说明开源项目，可自行部署使用，完全免费。

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型fastspeech2,melgan,multi-speaker-tts,pytorch,text-to-speech,tts,waveglow

GitHub 星标★ 99

30天Star增速

HF 下载量

上线时间2020-11-01 00:00:00

最近更新2026-02-25 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

非自回归架构，合成速度比自回归模型快数倍，适合实时场景
内置多说话人支持，可直接训练多音色模型，无需额外改造
提供 MelGAN 和 WaveGlow 两种声码器接口，灵活权衡音质与速度

不足之处

项目星标数少，社区活跃度低，文档和示例可能不够完善
依赖外部声码器（MelGAN/WaveGlow），需额外配置环境

适用场景

学术研究：复现 FastSpeech2 论文，对比非自回归 TTS 效果
多说话人语音合成：为有声书、虚拟助手定制不同音色
低延迟语音生成：用于实时交互系统，如语音助手、游戏配音

替代项目

Coqui TTS、ESPnet-TTS、Tacotron2

项目介绍

FastSpeech2 是音频音乐领域的开源项目，由 ga642381 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 99。

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 2026-02-25。可自行部署使用，完全免费。

它主要面向的使用场景是：学术研究：复现FastSpeech2论文，对比非自回归TTS效果。同类可对比的替代方案包括 Coqui TTS、ESPnet-TTS、Tacotron2。

上一篇：SpeakIt_Vietnamese_TTS

下一篇：AdaSpeech