StyleSpeech

一条参考语音，即刻克隆任意音色，快速合成个性化语音。

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。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 198

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/StyleSpeech

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

30天Star增速

HF 下载量

上线时间2021-06-09 00:00:00

最近更新2026-07-28 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5

使用教程

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

项目介绍

StyleSpeech 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 198。

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 2026-07-28。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：个性化语音助手，用用户自己的声音定制交互。同类可对比的替代方案包括 YourTTS、Coqui TTS、XTTS。

上一篇：MioTTS-Inference

下一篇：piper-plus