dc_tts

用 TensorFlow 快速训练轻量级语音合成模型，适合研究入门

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 359 🐛 待处理 68 👀 关注 57

GitHub ↗

GitHub 星标 ★ 1160

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，Apache-2.0 许可证，可自由使用，无付费版本。

项目预览

项目数据

分类音频音乐

开发团队Kyubyong

GitHubhttps://github.com/Kyubyong/dc_tts

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，可自由使用，无付费版本。

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Apache-2.0

主要语言Python

技术栈/模型speech,speech-to-text,tts

GitHub 星标★ 1160

上线时间2017-11-23 00:00:00

代码更新2023-04-14

仓库体积3.1 MB

本站数据更新2026-11-07

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

dc_tts 是一个基于 TensorFlow 实现的端到端文本转语音（TTS）模型，源自论文“Efficiently Trainable Text-to-Speech System Based on Deep Convolutional Networks with Guided Attention”。它解决传统 TTS 系统训练复杂、依赖大量人工特征工程的问题，通过深度卷积网络和引导注意力机制，直接从文本和语音频谱中学习映射关系。核心能力包括：支持多说话人训练、提供预训练模型、支持在线合成演示，并具备波形生成功能。项目代码结构清晰，适合研究者快速上手复现实验，也为开发者提供了轻量级的 TTS 集成参考。虽然项目停止维护，但其简洁的设计和较少的依赖使其仍可作为学习端到端 TTS 原理的入门示例。

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 ★ 1160

技术标签

speech speech-to-text tts

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 30 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（项目为 Python 语言实现）
NumPy >= 1.11.1
TensorFlow >= 1.3（注意 tf.contrib.layers.layer_norm 的 API 自 1.3 起有变化）
librosa、tqdm、matplotlib、scipy
用于训练的语音数据集（如 LJ Speech Dataset，需自行下载）

安装与启动步骤

1克隆代码仓库

从 GitHub 拉取 dc_tts 项目源码到本地，后续所有操作都在该目录中进行。
```
git clone https://github.com/Kyubyong/dc_tts.git
cd dc_tts
```
2安装依赖库

README 的 Requirements 中列出全部依赖，使用 pip 一次性安装；TensorFlow 需选 1.3 及以上版本。
```
pip install numpy tensorflow librosa tqdm matplotlib scipy
```
3下载语音数据集

README 使用 LJ Speech、Nick Offerman 有声书、Kate Winslet 有声书以及 KSS 韩语数据集，需按 README 中给出的链接自行下载并解压到本地。
4检查运行环境

依次导入 README 要求的库，确认全部安装成功且版本可用；出现 ImportError 说明依赖未装好。
```
python -c "import numpy, tensorflow, librosa, tqdm, matplotlib, scipy; print('ok')"
```

如何确认成功

执行 python -c "import numpy, tensorflow, librosa, tqdm, matplotlib, scipy" 无报错，且语音数据集已下载解压完成，即表示环境准备就绪。

常见问题

Q：TensorFlow 版本有要求吗？

A：README 要求 TensorFlow >= 1.3，并特别提示自 1.3 起 tf.contrib.layers.layer_norm 的 API 发生了变化，版本过低会导致代码不兼容。

Q：需要哪些 Python 依赖？

A：NumPy >= 1.11.1、TensorFlow >= 1.3、librosa、tqdm、matplotlib、scipy，共六项，均写在 README 的 Requirements 中。

Q：必须用哪个数据集？

A：README 在四个数据集上训练了英文和韩文模型：LJ Speech（约 24 小时，最常用的基准集）、Nick Offerman 与 Kate Winslet 有声书（18 小时与 5 小时）、以及韩语 KSS 数据集。

Q：README 里为什么没有训练和合成命令？

A：当前 README 节选只包含 Requirements 与 Data 两部分，未给出训练、合成的具体命令，需自行查看仓库其余文档与源码后再运行。

注意事项

README 未提供 pip、训练或合成脚本的具体命令，上面步骤仅依据其 Requirements 与 Data 章节整理。
数据集需自行从 README 给出的链接下载，仓库不附带音频数据。
项目基于 TensorFlow 1.x 时代的 API（含 tf.contrib），在新版 TensorFlow 上可能无法直接运行，建议使用匹配版本的 Python 与 TensorFlow 环境。