StyleSpeech

一条参考语音，即刻克隆任意音色，快速合成个性化语音。

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 23 🐛 待处理 5 👀 关注 6
GitHub ↗
GitHub 星标 ★ 198
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

StyleSpeech 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/StyleSpeech
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english,fastspeech,meta-learning,meta-stylespeech,neural-tts,non-autoregressive,one-shot,prosody,pytorch,speaker,speaker-adaptation,speech-style,speech-synthesis,style,stylespeech,text-to-speech,tts,unseen-speaker
GitHub 星标★ 198
上线时间2021-06-09 00:00:00
代码更新2022-02-10
仓库体积116.9 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5

项目介绍

StyleSpeech 是 Meta-StyleSpeech 的 PyTorch 非官方实现，旨在解决多说话人自适应文本转语音（TTS）中需要大量参考音频的问题。该项目通过元学习（Meta-Learning）机制，仅需一条数秒的参考语音即可克隆目标说话人的音色和韵律风格，实现零样本或少样本的语音合成。核心能力包括：基于 FastSpeech 的非自回归架构，合成速度快；支持 one-shot 自适应，即用一条参考音频即可生成新说话人的语音；通过风格编码器提取参考音频的韵律特征，并注入到生成器中，使合成语音在音色、情感和语速上贴近参考。项目代码结构清晰，包含训练和推理脚本，适合研究人员和开发者快速上手，用于个性化语音合成、有声书制作、虚拟助手等场景。

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 ★ 198

核心亮点

  • 非自回归架构，合成速度远超自回归模型，适合实时应用
  • 元学习机制，仅需一条参考音频即可自适应新说话人，数据效率高
  • 代码基于 PyTorch，结构清晰，附带训练和推理示例，易于二次开发

不足之处

  • 项目为早期实现，文档和社区支持相对有限，上手可能需自行调试
  • 未提供预训练模型，用户需自行准备数据和训练，使用门槛较高

适用场景

  • 个性化语音助手，用用户自己的声音定制交互
  • 有声书或播客制作，快速生成指定音色的旁白
  • 游戏或虚拟角色配音，一条样本即可生成新角色语音

替代项目

YourTTS、Coqui TTS、XTTS

上一篇：MioTTS-Inference

下一篇：piper-plus

同类项目推荐

vits2_pytorch 开源

用 PyTorch 跑通 VITS2 语音合成，训练推理全流程

unofficial vits2-TTS implementation in pytorch

★ 548 2026-08-09
VALL-E-X 开源

听 3 秒原声就能学舌，任何人的音色都能复刻

An open source implementation of Microsoft's VALL-E X zero-shot TTS model. Demo is a···

★ 7906 2026-08-09
tacotron 开源

用 TensorFlow 复现经典端到端语音合成，从文本直接生成语音

A TensorFlow Implementation of Tacotron: A Fully End-to-End Text-To-Speech Synthesis···

★ 1834 2026-08-09
SNAC 开源

零样本克隆声音，几秒音频即可合成新语音

Unofficial Pytorch implementation of SNAC: Speaker-normalized affine coupling layer ···

★ 57 2026-08-09
jpreprocess 开源

用 Rust 重写 OpenJTalk，让日语 TTS 文本预处理更快更安全

Japanese text preprocessor for Text-to-Speech applications (OpenJTalk rewrite in rus···

★ 61 2026-08-09
nonparaSeq2seqVC_code 开源

无需平行语料，实现任意说话人语音转换

Implementation code of non-parallel sequence-to-sequence VC

★ 248 2026-08-09
voxt 开源

按住说话，自动生成干净、专业、符合当前应用的文字

We've moved to SGLang Omni Voxt: https://github.com/sgl-project/sglang-omni/tree/mai···

★ 890 2026-08-09
MockingBird 开源

5 秒复刻一个声音，你说什么它就能说什么

Clone a voice in 5 seconds to generate arbitrary speech in real-time

★ 36875 2026-08-09