Comprehensive-Transformer-TTS

用Transformer并行合成语音，速度飞快，效果媲美SOTA。

这是一个基于非自回归Transformer的文本转语音（TTS）项目，集成了多种SOTA Transformer架构，并支持有监督和无监督两种时长建模方式。它解决了传统自回归TTS推理速度慢、稳定性差的问题，通过并行生成梅尔频谱，显著提升合成速度。项目核心能力包括：支持FastSpeech、FastSpeech2等主流非自回归模型，集成HiFi-GAN和Mel-GAN声码器，支持多说话人训练，并提供完整的训练和推理流程。代码结构清晰，便于研究社区在此基础上进行扩展和实验，旨在推动TTS技术向更快、更高质量的方向发展。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 327

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-Transformer-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comprehensive,deep-learning,fastspeech,fastspeech2,hifi-gan,mel-gan,multi-speaker,neural-tts,non-ar,non-autoregressive,pytorch,single-speaker,sota,speech-synthesis,supervised,text-to-speech,transformer,tts,ultimate-tts,unsupervised

GitHub 星标★ 327

30天Star增速

HF 下载量

上线时间2021-08-24 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3

使用教程

核心亮点

集成FastSpeech2等非自回归模型，合成速度比自回归快数倍
同时支持有监督和无监督时长建模，灵活适配不同训练数据
内置HiFi-GAN和Mel-GAN声码器，音质还原度高

不足之处

项目文档和社区活跃度待观察
多说话人支持可能依赖外部数据集，开箱即用性一般

适用场景

实时语音合成应用（如语音助手、有声书）
研究非自回归TTS架构和时长建模方法
低资源场景下快速搭建TTS原型

替代项目

FastSpeech2、Tacotron2、ESPnet-TTS

项目介绍

Comprehensive-Transformer-TTS 是音频音乐领域的开源项目，由 keonlee9420 开发，2021 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 327。

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：实时语音合成应用（如语音助手、有声书）。同类可对比的替代方案包括 FastSpeech2、Tacotron2、ESPnet-TTS。

上一篇：GenerSpeech

下一篇：Expressive-FastSpeech2