MSMC-TTS 是音频音乐领域的开源项目，由 hhguo 开发，2022 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 168。
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 2026-07-13。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：学术研究：对比多阶段码本TTS与现有基线。同类可对比的替代方案包括 VITS、Tacotron 2、FastSpeech 2。
MSMC-TTS
多阶段码本生成，让语音合成更自然清晰
MSMC-TTS 是一个多阶段多码本（Multi-Stage Multi-Codebook）的语音合成（TTS）开源项目，基于深度学习与 GAN 架构，结合 VQ-VAE/VQGAN 技术实现高质量文本到语音的生成。该项目旨在解决传统 TTS 在音质、自然度和生成效率上的平衡问题，通过将语音编码为多阶段码本，逐步细化生成过程，从而提升合成语音的清晰度和表现力。核心能力包括：支持端到端的语音合成流程、内置声码器（vocoder）模块、采用对抗训练提升音频保真度。项目代码基于 Python 实现，适合研究者和开发者用于实验、定制和部署自己的 TTS 系统。作为早期项目，其架构设计具有参考价值，但生态和文档尚在完善中。
开源
free
音频音乐
GitHub 星标
★ 168
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hhguo
所属国家
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deep-learning,gan,speech-synthesis,text-to-speech,tts,vocoder,vq-vae,vqgan
GitHub 星标★ 168
30天Star增速
HF 下载量
上线时间2022-10-07 00:00:00
最近更新2026-07-13 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4
使用教程
核心亮点
- 多阶段码本设计，逐级细化生成，音质优于单阶段方法
- 集成 VQ-VAE/VQGAN 与 GAN 训练，提升音频保真度
- 代码结构清晰，便于二次开发和研究对比
不足之处
- 项目处于早期，文档和社区支持较少
- 依赖较多，环境配置成本较高
适用场景
- 学术研究：对比多阶段码本 TTS 与现有基线
- 定制语音合成：基于预训练模型微调特定说话人
- 教育演示：学习 VQ-GAN 在语音生成中的应用
替代项目
VITS、Tacotron 2、FastSpeech 2
项目介绍
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.
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
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···
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···