PortaSpeech

轻量级高音质语音合成,让 TTS 模型跑在移动端。

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 38 🐛 待处理 12 👀 关注 19
GitHub ↗
GitHub 星标 ★ 341
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,可自行部署使用。

项目预览

PortaSpeech 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
定价模式🏷️完全免费
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🔧 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deep-neural-networks,fastspeech,generative-model,hifi-gan,high-quality,mel-gan,neural-tts,non-ar,non-autoregressive,normalizing-flows,portable-tts,pytorch,speech-synthesis,text-to-speech,tts,vae
GitHub 星标★ 341
上线时间2021-10-06 00:00:00
代码更新2022-02-17
仓库体积132.2 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

PortaSpeech 是一个基于 PyTorch 的非自回归文本转语音(TTS)实现,源自论文《PortaSpeech: Portable and High-Quality Generative Text-to-Speech》。它旨在解决传统 TTS 模型体积大、推理慢、难以部署到移动端或边缘设备的问题。核心能力包括:采用轻量级架构,大幅减少参数量和计算开销,同时通过生成式建模(如结合 HiFi-GAN 或 Mel-GAN 声码器)保持高音频质量;支持非自回归生成,实现快速并行推理;内置规范化模块,提升对文本和韵律的建模稳定性。项目代码结构清晰,适合研究者复现实验或开发者集成到轻量级语音合成应用中。

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 ★ 341

核心亮点

  • 模型轻量化,参数量小,适合边缘部署
  • 非自回归架构,推理速度快,实时性高
  • 结合 HiFi-GAN/Mel-GAN,生成音频质量高

不足之处

  • 文档/社区待观察
  • 早期项目,功能完善度和稳定性需验证

适用场景

  • 移动端离线语音助手
  • 嵌入式设备实时语音播报
  • 资源受限环境下的高质TTS服务

替代项目

FastSpeech 2、VITS、Tacotron 2

上一篇:rvc-tts-webui

下一篇:MsEdgeTTS

同类项目推荐

AutoVocoder 开源

用可微信号处理,快速生成高质量语音波形

Autovocoder: Fast Waveform Generation from a Learned Speech Representation using Dif···

★ 71 2026-08-09
awesome-audio-plaza 开源

每天更新音频AI论文,帮你紧跟音乐生成和语音合成前沿

Daily tracking of awesome audio papers, including music generation, zero-shot tts, a···

★ 410 2026-08-09
Ming-3.0-tts 开源

一套模型搞定多语言配音、音色克隆与语气控制

Ming-3.0-tts is an open-source TTS model family with 0.5B dense and 7.9B-A1.3B MoE v···

★ 560 2026-11-08
VyvoTTS 开源

用LLM思路自己训练TTS模型,从数据到推理全流程

VyvoTTS: LLM-Based Text-to-Speech Training Framework

★ 264 2026-10-01
HunyuanVideo-Foley 开源

看视频自动配音,让无声画面瞬间有真实的声音。

HunyuanVideo-Foley: Multimodal Diffusion with Representation Alignment for High-Fide···

★ 1098 2026-08-09
bark.cpp 开源

用C++跑Bark模型,轻量快速本地生成语音

Suno AI's Bark model in C/C++ for fast text-to-speech generation

★ 868 2026-08-09
awesome-music-programming 开源

一站式找齐音乐编程工具,省去全网搜索时间

A curated list of awesome music programming languages, libraries, frameworks and too···

★ 163 2026-08-09
MagiCodec 开源

单层流式音频编码,让下游模型更易用

A single-layer, streaming codec model providing SOTA audio quality and discrete toke···

★ 130 2026-08-09
NATSpeech 开源

并行生成语音,速度翻倍,效果不输自回归

A Non-Autoregressive Text-to-Speech (NAR-TTS) framework, including official PyTorch ···

★ 1005 2026-08-09