FastPitchFormant

分解音高与音色，让语音合成控制更精细

FastPitchFormant 是 NCSOFT 提出的 FastPitchFormant 模型的 PyTorch 非官方实现，该模型基于源-滤波器（source-filter）理论对语音合成进行分解建模。它解决传统端到端 TTS 中音高（pitch）与音色（formant）耦合导致音高控制不灵活、韵律自然度不足的问题。核心能力包括：将语音分解为激励源和声道滤波器两部分，分别建模，实现更精细的音高控制与韵律调节；支持非自回归快速合成，基于 FastPitch 架构，兼顾速度与质量；提供预训练模型和推理脚本，便于研究者复现和二次开发。项目面向语音合成研究者和开发者，适用于需要精细音高控制、多说话人韵律迁移或低延迟合成的场景。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 74

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/FastPitchFormant

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end-to-end,fastpitch,fastspeech,neural-tts,non-autoregressive,pitch,pitch-control,pytorch,speech-synthesis,text-to-speech,timbre,tts

GitHub 星标★ 74

30天Star增速

HF 下载量

上线时间2021-06-30 00:00:00

最近更新2026-04-15 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4

使用教程

核心亮点

基于源-滤波器分解，音高和韵律控制比传统端到端模型更灵活
非自回归架构，合成速度快，适合实时应用
提供预训练模型和推理代码，上手门槛低

不足之处

文档/社区待观察
依赖特定数据集，泛化性需验证

适用场景

需要精细控制合成语音音高和语调的配音或内容生成
多说话人语音合成中的韵律迁移与风格控制
低延迟实时语音合成系统（如虚拟助手、游戏NPC）

替代项目

FastPitch、FastSpeech 2、VITS

项目介绍

FastPitchFormant 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 74。

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 2026-04-15。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：需要精细控制合成语音音高和语调的配音或内容生成。同类可对比的替代方案包括 FastPitch、FastSpeech 2、VITS。

上一篇：edge-tts-extension

下一篇：BokeBox