Tacotron2

从文本直接生成自然语音的经典端到端 TTS 实现

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 音频音乐 🍴 复刻 14 🐛 待处理 1 👀 关注 4
GitHub ↗
GitHub 星标 ★ 52
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，可自行部署使用，完全免费。

项目预览

Tacotron2 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐
开发团队kaituoxu
GitHubhttps://github.com/kaituoxu/Tacotron2
定价模式🏷️完全免费
价格说明开源项目，可自行部署使用，完全免费。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
主要语言Python
技术栈/模型pytorch,speech-synthesis,tacotron,text-to-speech
GitHub 星标★ 52
上线时间2019-01-23 00:00:00
代码更新2019-01-30
仓库体积1.7 MB
本站数据更新2026-11-08
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

Tacotron2 是一个基于 PyTorch 实现的端到端文本转语音（TTS）系统，源自 NVIDIA 的论文《Natural TTS Synthesis By Conditioning Wavenet On Mel Spectrogram Predictions》。它解决了传统 TTS 需要复杂拼接和大量人工特征工程的问题，能够直接从文本生成自然流畅的语音。核心能力包括：将字符序列编码为语义特征，通过注意力机制生成梅尔频谱图，并可选地结合 WaveNet 声码器将频谱转换为最终音频波形。项目提供了完整的训练和推理流程，支持自定义数据集微调，适合研究语音合成技术或构建基础 TTS 应用。由于是早期版本，代码结构清晰，便于学习端到端 TTS 的经典架构。

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 ★ 52

核心亮点

  • 完整复现论文架构，包含编码器、注意力、解码器和 WaveNet 衔接，适合学习研究
  • PyTorch 实现，代码模块化清晰，易于修改和扩展
  • 提供预处理、训练、合成脚本，开箱即用，可快速跑通流程

不足之处

  • 早期版本，依赖较旧，可能不兼容最新 PyTorch 环境
  • 文档较少，社区维护不活跃，遇到问题需自行排查
  • 合成速度较慢，实时性差，不适合生产级低延迟场景

适用场景

  • 学术研究：学习端到端 TTS 原理和实现细节
  • 教学演示：展示文本到语音的完整处理流程
  • 原型验证：快速搭建 TTS 系统验证想法

替代项目

Coqui TTS、ESPnet-TTS、Tacotron2 (NVIDIA 官方实现)

上一篇：cs224n-gpu-that-talks

下一篇：swift-tts

同类项目推荐

Auralis 开源

快速将文本转语音，低延迟集成到你的应用

A Fast TTS Engine

★ 623 2026-08-09
voxt 开源

按住说话，自动生成干净、专业、符合当前应用的文字

We've moved to SGLang Omni Voxt: https://github.com/sgl-project/sglang-omni/tree/mai···

★ 891 2026-08-09
NeuralTextToAudio 开源

输入文字描述，自动生成对应音频片段

Text prompt steered synthetic audio generators

★ 53 2026-08-09
blossom 开源

点点画画，即刻生成你的专属旋律

A lovely interactive music generator

★ 249 2026-08-09
infinite_gnossienne 开源

让萨蒂的经典钢琴曲无限流淌，永不停歇。

An endless version of Erik Satie's Gnossiennes No. 1

★ 103 2026-08-09
Bert-VITS2-MNN 开源

把 Bert-VITS2 塞进手机，离线也能自然发声

A practical on-device BertVITS2 runtime for Android, powered by alibaba-MNN engine···

★ 163 2026-08-09
obsidian-voice 开源

让 Obsidian 笔记开口说话，通勤路上也能听知识

The Obsidian Voice plugin lets you listen to your written content being read aloud—···

★ 93 2026-08-09
rtvc 开源

实时语音转写与克隆，快速接入 ElevenLabs

"Realtime" voice transcription and cloning using ElevenLabs's API.

★ 55 2026-08-09