Comprehensive-E2E-TTS

快速搭建非自回归端到端语音合成，对比多种时长建模方案

这是一个基于 PyTorch 的非自回归端到端文本转语音（TTS）项目，直接将文本转换为语音波形，无需中间声学特征。它集成了多种前沿的无监督时长建模方法，支持 FastSpeech2、JETS 等主流模型，并兼容 HiFi-GAN 声码器，同时支持单说话人和多说话人场景。项目旨在推动端到端 TTS 研究，通过统一框架简化实验流程，让研究者能快速对比不同时长建模策略。核心能力包括：非自回归架构带来的快速推理、灵活的时长建模模块替换、以及从文本到波形的全流程训练与推理。适合学术研究和工业原型验证，尤其关注非自回归 TTS 性能优化的开发者。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 147

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keonlee9420

所属国家

官网地址

GitHubhttps://github.com/keonlee9420/Comprehensive-E2E-TTS

定价模式free

价格说明开源项目，本地部署，全部功能免费

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型deep-learning,end-to-end,fastspeech2,hifi-gan,jets,multi-speaker,neural-tts,non-ar,non-autoregressive,pytorch,single-speaker,sota,speech-synthesis,text-to-speech,text-to-wav,tts,ultimate-tts,unsupervised

GitHub 星标★ 147

30天Star增速

HF 下载量

上线时间2022-03-30 00:00:00

最近更新2026-03-14 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3

使用教程

核心亮点

集成多种 SOTA 无监督时长建模，便于横向对比
非自回归架构，推理速度快，适合实时场景
支持多说话人，灵活适配不同音色需求

不足之处

文档/社区待观察
早期项目，API 和模型稳定性可能不足

适用场景

学术研究：对比不同时长建模对语音质量的影响
工业原型：快速验证非自回归 TTS 的合成效果
多说话人语音合成：定制音色或角色语音

替代项目

FastSpeech2、JETS、VITS

项目介绍

Comprehensive-E2E-TTS 是音频音乐领域的开源项目，由 keonlee9420 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 147。

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 2026-03-14。本地部署，全部功能免费。

它主要面向的使用场景是：学术研究：对比不同时长建模对语音质量的影响。同类可对比的替代方案包括 FastSpeech2、JETS、VITS。

上一篇：Tacotron2-PyTorch

下一篇：tts-arabic-pytorch