e2-tts-pytorch 是音频音乐领域的开源项目，由 lucidrains 开发，2024 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 517。
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 2026-08-10。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：快速搭建语音克隆原型或研究实验。同类可对比的替代方案包括 Coqui TTS、XTTS、Bark。
e2-tts-pytorch
几行代码实现零样本语音克隆，让 TTS 不再复杂
E2-TTS 是一个基于 PyTorch 的零样本文本转语音（TTS）实现，对应论文《Embarrassingly Easy Fully Non-Autoregressive Zero-Shot TTS》。它旨在简化 TTS 流程，通过完全非自回归架构，在给定参考音频和文本时直接生成语音，无需额外的对齐或音素标注。核心能力包括：零样本语音克隆（仅需数秒参考音频）、高质量语音合成、训练与推理代码简洁易用。项目解决了传统 TTS 需要大量标注数据和复杂训练流程的问题，让开发者能快速上手并集成到应用中。当前处于早期阶段，代码结构清晰，适合研究者和开发者探索最新 TTS 技术。
开源
free
音频音乐
GitHub 星标
★ 517
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lucidrains
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artificial-intelligence,deep-learning,text-to-speech
GitHub 星标★ 517
30天Star增速
HF 下载量
上线时间2024-07-09 00:00:00
最近更新2026-08-10 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2
使用教程
核心亮点
- 完全非自回归架构，推理速度快，无需自回归逐步生成
- 零样本克隆：仅需数秒参考音频即可合成新说话人语音
- 代码简洁，基于 PyTorch，易于阅读和二次开发
不足之处
- 早期项目，文档和社区支持待观察
- 依赖特定模型配置，可能对硬件资源有一定要求
适用场景
- 快速搭建语音克隆原型或研究实验
- 为应用集成零样本 TTS 功能，如虚拟助手、有声内容生成
- 教育场景中演示最新 TTS 技术
替代项目
Coqui TTS、XTTS、Bark
项目介绍
上一篇：vixtts-demo
下一篇：ComfyUI-VoxCPM
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···