glow-tts

用生成流实现快速、高质量的端到端语音合成

glow-tts 是一个基于生成流（Generative Flow）的文本转语音（TTS）开源项目，由蒙特利尔大学等机构的研究者提出。它通过单调对齐搜索（Monotonic Alignment Search）实现文本与语音序列的精确对齐，无需外部对齐模型，从而简化了传统TTS的流程。项目核心能力包括：端到端的训练方式、可并行生成的高质量语音、以及比自回归模型更快的推理速度。它解决了传统TTS中注意力对齐不稳定、训练复杂、推理慢等问题，在语音自然度和韵律表现上接近甚至超越当时的主流模型。代码基于PyTorch实现，提供了完整的训练和推理脚本，适合研究者和开发者进行二次开发或实验。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 715

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jaywalnut310

所属国家

官网地址

GitHubhttps://github.com/jaywalnut310/glow-tts

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,pytorch,speech-synthesis,text-to-speech,tts

GitHub 星标★ 715

30天Star增速

HF 下载量

上线时间2020-05-19 00:00:00

最近更新2026-09-04 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8

使用教程

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

项目介绍

glow-tts 是音频音乐领域的开源项目，由 jaywalnut310 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 715。

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 2026-09-04。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：研究用途：作为TTS前沿模型基线，用于对比实验或改进。同类可对比的替代方案包括 Tacotron 2、FastSpeech 2、VITS。

上一篇：Confucius4-TTS

下一篇：bark-voice-cloning-HuBERT-quantizer