spear-tts-pytorch 是音频音乐领域的开源项目，由 lucidrains 开发，2023 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 278。
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 2026-08-21。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：学术研究中复现和对比TTS模型。同类可对比的替代方案包括 Coqui TTS、ESPnet-TTS、Tortoise-TTS。
spear-tts-pytorch
用PyTorch复现多说话人TTS，快速搭建语音合成实验
Spear-TTS-PyTorch 是一个基于 PyTorch 实现的多说话人文本转语音（TTS）注意力网络的开源项目。它复现了 Spear-TTS 模型，旨在解决传统 TTS 系统在多人声克隆、语音合成自然度和可控性上的不足。核心能力包括：利用注意力机制捕捉文本与语音之间的长程依赖，支持多说话人音色建模，以及提供灵活的推理接口。该项目适合研究人员和开发者用于实验、二次开发或集成到更复杂的语音生成流程中。由于是早期项目，代码结构清晰，依赖较少，便于快速上手和修改。
开源
free
音频音乐
GitHub 星标
★ 278
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,attention,deep-learning,text-to-speech,transformers
GitHub 星标★ 278
30天Star增速
HF 下载量
上线时间2023-06-19 00:00:00
最近更新2026-08-21 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3
使用教程
核心亮点
- 纯PyTorch实现，代码简洁，易于阅读和修改
- 支持多说话人建模，便于扩展音色
- 基于注意力机制，能捕捉长程依赖，提升合成自然度
不足之处
- 文档和示例较少，上手需要一定研究基础
- 模型训练和推理性能待优化，大规模生产使用需自行调优
适用场景
- 学术研究中复现和对比TTS模型
- 快速原型验证多说话人语音合成想法
- 作为基础模块集成到更复杂的语音交互系统
替代项目
Coqui TTS、ESPnet-TTS、Tortoise-TTS
项目介绍
下一篇：tetos
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···