BVAE-TTS 是音频音乐领域的开源项目，由 LEEYOONHYUNG 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 173。
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 2024-11-03。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：学术研究：作为TTS生成模型的新基线对比实验。同类可对比的替代方案包括 Tacotron2、FastSpeech2、VITS。
BVAE-TTS
用贝叶斯变分自编码器生成更自然多样的语音
BVAE-TTS 是一个基于 PyTorch 的文本转语音（TTS）开源项目，是论文的官方实现。它采用贝叶斯变分自编码器（BVAE）框架，旨在解决传统 TTS 模型中潜在表示不连续、生成语音多样性不足的问题。核心能力包括：通过变分推断学习稳健的潜在空间，提升语音的自然度和表现力；支持多说话人建模，可生成不同音色的语音；提供完整的训练和推理流程，方便研究者复现和扩展。项目代码结构清晰，依赖简洁，适合作为 TTS 领域的研究基线和实验平台。目前处于早期阶段，星标数不高，但技术路线具有创新性，适合关注生成式语音模型的开发者。
开源
free
音频音乐
GitHub 星标
★ 173
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LEEYOONHYUNG
所属国家
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deep-learning,pytorch,text-to-speech
GitHub 星标★ 173
30天Star增速
HF 下载量
上线时间2021-01-20 00:00:00
最近更新2024-11-03 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6
使用教程
核心亮点
- 官方实现，论文算法直接可用，复现门槛低
- 基于 PyTorch，代码结构清晰，易于二次开发
- 引入贝叶斯变分自编码器，潜在空间更平滑，语音表现力更强
不足之处
- 文档/社区待观察
- 依赖特定数据集和预处理，上手可能需要额外配置
适用场景
- 学术研究：作为 TTS 生成模型的新基线对比实验
- 多说话人语音合成：生成不同音色的自然语音
- 语音风格迁移：利用潜在空间控制情感或韵律
替代项目
Tacotron2、FastSpeech2、VITS
项目介绍
上一篇：elevenlabs-node
下一篇：wsay
同类项目推荐
tango
开源
输入一句话，自动生成匹配的音频内容
A family of diffusion models for text-to-audio generation.
AuK
开源
一个模型搞定语音生成、编辑与分离
AuK: An Open-Source Foundational Model for Speech Generation and Editing
swift-tts
开源
Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine
A straightforward package containing version for Swift modern concurrency, Point-Fre···
ai-dj
开源
现场演出中实时用 AI 生成音乐，保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···