Cross-Speaker-Emotion-Transfer

让任意声音说出带指定情感的语音，跨说话人情感迁移。

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 27 🐛 待处理 11 👀 关注 5

GitHub ↗

GitHub 星标 ★ 193

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，MIT许可证，完全免费，需自行部署使用。

项目预览

Cross-Speaker-Emotion-Transfer 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keonlee9420

GitHubhttps://github.com/keonlee9420/Cross-Speaker-Emotion-Transfer

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，需自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型conditional-layer-normalization,cross-speaker,deep-neural-networks,emotion-transfer,generative-model,global-style-tokens,neural-tts,non-ar,non-autoregressive,parallel-tacotron,pytorch,semi-supervised-learning,speech-synthesis,text-to-speech,tts

GitHub 星标★ 193

上线时间2021-10-16 00:00:00

代码更新2022-11-09

仓库体积103.7 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

这是一个基于PyTorch实现的跨说话人情感迁移语音合成项目，源自字节跳动的研究成果。它解决的核心问题是：在文本到语音（TTS）合成中，如何让一个说话人的声音表达出另一个说话人的情感风格。项目通过说话人条件层归一化（Speaker Condition Layer Normalization）和半监督训练技术，结合全局风格令牌（GST），实现了情感特征的解耦与迁移。核心能力包括：支持从参考音频中提取情感特征并迁移到目标说话人的语音中，同时保持目标说话人的音色和韵律；采用半监督学习，利用未标注情感标签的数据提升模型泛化能力。项目提供了完整的训练和推理代码，适合研究情感语音合成、人机交互等领域的开发者使用。