durian-pytorch

用时长信息提升语音合成自然度，复现前沿论文

durian-pytorch 是论文《Duration Informed Attention Network for Multimodal Synthesis》的 PyTorch 非官方实现，专注于语音合成（TTS）领域。它解决的是传统注意力机制在文本到语音合成中对时长信息利用不足、导致合成语音韵律和自然度欠佳的问题。核心能力包括：实现时长感知的注意力网络，将时长信息显式注入注意力计算，提升对齐稳定性；支持 LJSpeech 数据集训练，提供完整的训练和推理流程；代码结构清晰，便于研究者复现论文结果或在此基础上进行二次开发。项目处于早期阶段，适合对语音合成前沿方法感兴趣的研究者和开发者。

开源 free 音频音乐
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 184
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ivanvovk
所属国家
官网地址
GitHubhttps://github.com/ivanvovk/durian-pytorch
定价模式free
价格说明开源项目，基于BSD-3-Clause许可证，可自由使用和修改，无付费版本。
访问状态
是否开源是
开源协议BSD-3-Clause
主要语言Python
技术栈/模型duration-models,durian,ljspeech,speech,speech-synthesis,text-to-speech,tts
GitHub 星标★ 184
30天Star增速
HF 下载量
上线时间2020-05-20 00:00:00
最近更新2025-10-04 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

  • 实现时长感知注意力，显式利用时长信息改善对齐
  • 基于论文实现，适合快速复现和对比实验
  • 代码结构清晰，依赖少，易于定制修改

不足之处

  • 文档/社区待观察
  • 仅支持 LJSpeech 单一数据集，泛化性待验证

适用场景

  • 研究时长感知注意力在 TTS 中的效果
  • 复现论文结果用于学术对比
  • 作为基线开发新的语音合成模型

替代项目

Tacotron2、FastSpeech2、Glow-TTS

项目介绍

durian-pytorch 是音频音乐领域的开源项目，由 ivanvovk 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 184。

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 2025-10-04。基于BSD-3-Clause许可证，可自由使用和修改，无付费版本。

它主要面向的使用场景是：研究时长感知注意力在TTS中的效果。同类可对比的替代方案包括 Tacotron2、FastSpeech2、Glow-TTS。

上一篇：resemble-unity-text-to-speech

下一篇：kokoclone

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