voicebox-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 704。
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 2026-09-18。MIT许可证，完全免费，需自行部署使用。
它主要面向的使用场景是：研究TTS新模型，快速复现论文实验。同类可对比的替代方案包括 Coqui TTS、ESPnet-TTS、Bark。
voicebox-pytorch
用 PyTorch 复现 Meta 最新 TTS 模型，快速跑通语音合成实验
voicebox-pytorch 是 MetaAI 提出的 Voicebox 文本转语音（TTS）模型的非官方 PyTorch 实现。Voicebox 是一种基于流匹配（flow matching）的生成式 TTS 模型，能够根据文本和可选音频提示生成自然语音，支持零样本语音克隆、跨语言合成、噪声去除和内容编辑等任务。该项目将论文中的核心架构（如 transformer、flow matching、条件编码器等）用 PyTorch 复现，提供简洁的 API 用于训练和推理，方便研究者和开发者快速上手实验。目前项目处于早期阶段，代码结构清晰，但功能尚不完整，主要面向对 SOTA TTS 技术感兴趣的研究人员。
开源
free
音频音乐
GitHub 星标
★ 704
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，需自行部署使用。
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★ 704
30天Star增速
HF 下载量
上线时间2023-08-01 00:00:00
最近更新2026-09-18 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5
使用教程
核心亮点
- 紧跟前沿：基于 Meta 最新 SOTA TTS 论文，提供非官方实现，便于提前体验
- 代码简洁：PyTorch 实现，模块化设计，易于阅读和二次开发
- 支持多任务：覆盖零样本克隆、跨语言合成、噪声去除等核心能力
不足之处
- 早期项目：功能不完整，可能缺少部分论文细节，稳定性待验证
- 文档/社区待观察：文档较少，社区活跃度低，使用门槛较高
适用场景
- 研究 TTS 新模型，快速复现论文实验
- 在 PyTorch 生态中集成前沿 TTS 能力
- 学习流匹配生成模型在语音领域的应用
替代项目
Coqui TTS、ESPnet-TTS、Bark
项目介绍
上一篇：kokoro-web
下一篇：Transformer-TTS
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···