bark-voice-cloning-HuBERT-quantizer

用几秒语音克隆音色，训练推理全搞定

这是一个用于声音克隆的开源项目，基于Bark模型和HuBERT量化器实现。它解决的核心问题是：如何用少量样本（甚至几秒钟的语音）克隆出特定音色，并用于文本到语音合成。项目提供了完整的训练和推理代码，用户可以自定义数据集训练自己的声音克隆模型。其核心能力包括：利用HuBERT将语音转换为离散的语义token，再通过Bark的生成能力合成带有目标音色的语音；支持语音转换（voice conversion）和文本到语音（TTS）两种模式；代码结构清晰，便于二次开发和实验。该项目适合研究人员和开发者探索个性化语音合成，尤其在低资源声音克隆场景下具有实用价值。

开源 free 音频音乐
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 710
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gitmylo
所属国家
官网地址
GitHubhttps://github.com/gitmylo/bark-voice-cloning-HuBERT-quantizer
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ai,neural-networks,text-to-speech,voice-cloning,voice-conversion
GitHub 星标★ 710
30天Star增速
HF 下载量
上线时间2023-05-11 00:00:00
最近更新2026-09-20 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8

使用教程

核心亮点

  • 基于Bark和HuBERT，技术路线新颖，克隆效果自然
  • 提供完整训练和推理代码，上手门槛低
  • 支持少量样本克隆，适合个性化语音合成

不足之处

  • 文档/社区待观察
  • 依赖Bark模型，推理速度可能较慢

适用场景

  • 个性化语音助手定制
  • 有声书或播客配音克隆
  • 语音转换实验和研究

替代项目

Coqui TTS、OpenVoice、so-vits-svc

项目介绍

bark-voice-cloning-HuBERT-quantizer 是音频音乐领域的开源项目，由 gitmylo 开发，2023 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 710。

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 2026-09-20。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：个性化语音助手定制。同类可对比的替代方案包括 Coqui TTS、OpenVoice、so-vits-svc。

上一篇：glow-tts

下一篇：kokoro-web

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