项目预览
项目数据
项目介绍
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 ★ 68
核心亮点
- 非自回归架构，合成速度显著优于自回归模型
- 端到端音素到波形，省去中间声学特征，流程简洁
- 基于分数匹配的迭代精炼，语音自然度和鲁棒性有保障
不足之处
- 非官方实现，与原始论文细节可能存在偏差
- 文档和示例较少，上手门槛较高
- 依赖特定音频处理库，环境配置稍复杂
适用场景
- 学术研究：复现论文结果，探索非自回归 TTS 方法
- 快速原型开发：基于该实现快速搭建 TTS 系统
- 语音合成教学：学习分数匹配和迭代精炼在语音中的应用
替代项目
WaveGrad、FastSpeech 2、Parallel WaveGAN
上一篇：TellTime
同类项目推荐
voicebox
开源
一站式克隆、转写、合成声音，打造你的 AI 语音工作室
The open-source AI voice studio. Clone, dictate, create.
vits_chinese
开源
中文语音合成更自然，支持流式输出，开箱即用
Best practice TTS based on BERT and VITS with some Natural Speech Features Of Micros···
doc2audiobook
开源
把文档变成有声书，通勤路上用耳朵学习
Convert text documents to high fidelity audio(books).
TextSoundSaver
开源
Mac 上把文字一键变成语音，导出音频文件
Using the TextSoundSaver application, you can convert text into realistic synthesize···
TwitterPiBot
开源
让树莓派实时朗读指定话题的新推文
A Python based bot for Raspberry Pi that grabs tweets with a specific hashtag and re···
Qwen3-TTS-GGUF
开源
把 Qwen3-TTS 塞进 llama.cpp，本地语音合成快起来
最极速的Qwen3-TTS推理方案。将 Qwen3-TTS 的 LLM 部分导出为 GGUF，用 llama.cpp 进行加速···
tihu
开源
让波斯语文本开口说话，离线合成自然语音
Persian Text-To-Speech
MelNet
开源
在频域上自回归生成音频，让AI学会谱曲和说话
Implementation of "MelNet: A Generative Model for Audio in the Frequency Domain"
ThemeTransformer
开源
给段旋律，AI 帮你生成完整音乐作品
The official implementation of Theme Transformer. A Theme-based music generation. IE···