zerovox

给一段声音，立刻用那个声音说话，完全离线免费。

zerovox 是一个基于深度学习的零样本（zero-shot）实时语音合成（TTS）系统，完全离线运行，免费且开源。它旨在解决传统 TTS 系统需要针对特定说话人进行训练或微调的问题，用户只需提供一段参考音频，即可让系统模仿该声音进行文本朗读。核心能力包括：利用 speaker encoder 提取说话人特征，结合 HiFiGAN 或 MelGAN 声码器生成高质量语音，支持多说话人，且推理速度快，可实时合成。项目采用 PyTorch 实现，代码结构清晰，适合研究二次开发。目前处于早期阶段，但已具备基本可用性。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 56

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gooofy

所属国家

官网地址

GitHubhttps://github.com/gooofy/zerovox

定价模式free

价格说明完全免费，开源，本地部署，无在线服务。

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deep-learning,hifigan,melgan,multi-speaker-tts,python,pytorch,speaker-encoder,speaker-encodings,speech,speech-synthesis,text-to-speech,tts,tts-model,voice-cloning,voice-synthesis

GitHub 星标★ 56

30天Star增速

HF 下载量

上线时间2024-04-27 00:00:00

最近更新2026-07-29 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

真正零样本：只需几秒参考音频即可克隆音色，无需重新训练。
完全离线运行，保护隐私，不依赖云端 API。
实时合成速度快，适合交互式应用。

不足之处

早期项目，文档和示例较少，上手门槛较高。
音质和稳定性相比商业 TTS 还有差距，复杂情感表达有限。

适用场景

个人语音助手或游戏角色配音，快速生成个性化声音。
内容创作者制作多语言或多种音色的音频内容。
无障碍辅助工具，为失声患者提供个性化语音合成。

替代项目

Coqui TTS、XTTS、Bark

项目介绍

zerovox 是音频音乐领域的开源项目，由 gooofy 开发，2024 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 56。

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 2026-07-29。完全免费，开源，本地部署，无在线服务。

它主要面向的使用场景是：个人语音助手或游戏角色配音，快速生成个性化声音。同类可对比的替代方案包括 Coqui TTS、XTTS、Bark。

上一篇：vllm-chatterbox-stream

下一篇：lingopod