项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 717
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- GPU 建议
- Python 3.8+
- 语音语料
安装与启动步骤
-
1装依赖
按论文配置装环境。
pip install -r requirements.txt -
2下数据
准备对齐语料与音素表。
# 参考仓库预处理脚本 -
3训练
用基础配置训一版。
sh train_ddi.sh configs/base.json base -
4合成
训练完成后跑合成脚本。
# 用导出模型合成一句
如何确认成功
合成音频能听清内容，时长与文本匹配。
注意事项
- 它用单调对齐搜索做时长预测，训练比常规 TTS 稳。
- 语料质量决定音质上限。
核心亮点
- 无需外部对齐模型，通过单调对齐搜索实现精确文本-语音对齐，简化训练流程
- 基于流的非自回归架构，支持并行生成，推理速度显著快于自回归TTS
- 语音自然度和韵律表现优秀，在MOS评测中接近或超过当时SOTA模型
不足之处
- 训练需要较大规模高质量语音数据，对数据质量敏感
- 文档和社区支持相对薄弱，上手门槛较高
适用场景
- 研究用途：作为TTS前沿模型基线，用于对比实验或改进
- 快速原型开发：需要快速生成高质量语音的demo或应用
- 低资源部署：在CPU或边缘设备上实现实时语音合成
替代项目
Tacotron 2、FastSpeech 2、VITS
同类项目推荐
ismir2019tutorial
开源
跟着教程用GAN生成音乐，从理论到案例一站学会
Website for tutorial "Generating Music with GANs: An Overview and Case Studies"
VAENAR-TTS
开源
用VAE+非自回归框架，让语音合成更快更稳
PyTorch Implementation of VAENAR-TTS: Variational Auto-Encoder based Non-AutoRegress···
edge-tts
开源
无需密钥，几行代码调用微软 Edge 免费语音合成
Edge TTS is a Node or Bun package that allows access to the online text-to-speech se···
Expressive-FastSpeech2
开源
让TTS带情绪和对话感，快速训练多语言表达性语音
PyTorch Implementation of Non-autoregressive Expressive (emotional, conversational) ···
silero-stress
开源
给俄语文本自动标重音，让TTS发音更准
Silero Stress — pre-trained enterprise-grade automated stress and homograph disambi···
minutes
开源
把会议和语音笔记变成可搜索的AI记忆库，本地处理，隐私无忧。
Open-source, local-first Granola/Otter alternative that Claude Code, Codex, Cursor, ···
EDDiscovery
开源
记录你的星际航迹，用3D星图回放《精英危险》的每一段旅程。
Captains log and 3d star map for Elite Dangerous
edge-TTS-record
开源
一键录制 Edge 朗读语音，秒存 WAV 音频
一个可以录制 Microsoft Edge 浏览器的语音合成（TTS）语音并输出为 .wav 音频的（windows···
lyrictor
开源
把歌曲变成可分享的 AI 视觉作品，无需设计基础
Desktop and browser-based creative tool for turning personal interpretations of song···