SNAC

零样本克隆声音,几秒音频即可合成新语音

SNAC 是一个基于 PyTorch 的非官方实现,专注于零样本多说话人文本转语音(TTS)。它通过引入说话人归一化仿射耦合层,在流式生成架构中实现声音克隆,无需针对特定说话人进行微调。该项目解决了传统 TTS 模型需要大量目标说话人数据的问题,仅需数秒参考音频即可合成新说话人的语音。核心能力包括:零样本声音克隆、多说话人支持、基于流的生成模型。代码结构清晰,适合研究学习,但项目处于早期阶段,文档和示例相对有限。

开源 free 音频音乐
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 57
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hcy71o
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,完全免费,无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型text-to-speech,zero-shot
GitHub 星标★ 57
30天Star增速
HF 下载量
上线时间2023-03-30 00:00:00
最近更新2025-01-09 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

  • 创新架构:说话人归一化仿射耦合层,提升零样本克隆效果
  • 轻量实现:纯 PyTorch 编写,易于理解和二次开发
  • 零样本能力:无需微调,短音频即可生成新说话人语音

不足之处

  • 文档/社区待观察
  • 依赖外部预训练模型,部署流程稍复杂

适用场景

  • 个性化语音合成应用开发
  • 学术研究:流式生成模型在TTS中的应用
  • 低资源语音合成场景

替代项目

YourTTS、XTTS、Coqui TTS

项目介绍

SNAC 是音频音乐领域的开源项目,由 hcy71o 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 57。

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 2025-01-09。MIT许可证,完全免费,无付费版本。

它主要面向的使用场景是:个性化语音合成应用开发。同类可对比的替代方案包括 YourTTS、XTTS、Coqui TTS。

上一篇:text2speech

下一篇:kokoro-coreml

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···

★ 246 2026-08-09