StyleSpeech

一条参考音频，快速克隆说话风格，合成自然语音

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 36 🐛 待处理 13 👀 关注 5

GitHub ↗

GitHub 星标 ★ 254

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KevinMIN95

GitHubhttps://github.com/KevinMIN95/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meta-learning,meta-stylespeech,neural-tts,official,speech,speech-synthesis,stylespeech,text-to-speech,tts

GitHub 星标★ 254

上线时间2021-07-11 00:00:00

代码更新2022-02-09

仓库体积1.4 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7

项目介绍

StyleSpeech 是 Meta-StyleSpeech 和 StyleSpeech 论文的官方实现，专注于语音合成（TTS）中的风格控制。它解决的核心问题是：传统 TTS 模型在跨说话人风格迁移时，需要大量目标说话人数据，且风格表达不够自然。该项目提出了一种基于元学习（meta-learning）的框架，能够从单一参考音频中提取风格特征，并快速适应新说话人，实现高质量、高相似度的语音合成。核心能力包括：风格编码器（Style Encoder）将参考音频转换为风格向量，通过自适应层（Adaptive Layer）注入到生成器，从而控制韵律、情感和音色；支持多说话人合成，且仅需一条参考音频即可生成带有该风格的新语音。项目代码基于 Python，提供了完整的训练和推理流程，适合研究者和开发者进行二次开发或实验验证。