项目预览
项目数据
项目介绍
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 ★ 529
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- CUDA 显卡
- 语音数据集
- Python 3.10+
安装与启动步骤
-
1装依赖
训练框架加语音处理依赖，装齐再动手。
pip install -r requirements.txt -
2备语料
按它的格式整理文本与音频对齐。
-
3先跑小规模训练
几百条数据先验证管线，不要一上来上全量。
-
4调声学与声码器
声音自然度大半取决于这两段。
-
5导出声码器单独用
训练好的声码器可以脱离训练框架部署。
如何确认成功
用几百条语料训出一个可用的声音，合成没在训练集里出现过的句子能听清且没有明显机械感
注意事项
- 它提供的是从零训练语音合成模型的完整流程，不是一个开箱即用的声音。
- 数据质量比数据量重要，几百条干净录音胜过几千条嘈杂的。
- 训练周期长，先用小规模验证管线再上全量。
- 声码器可以单独导出，部署时不必带训练框架。
核心亮点
- 提供完整训练流程，从数据到推理一站式解决
- 集成 ModelScope 演示，可直接体验合成效果
- 支持多说话人，便于扩展音色
不足之处
- 文档/社区待观察
- 依赖 ModelScope 生态，迁移性受限
适用场景
- 定制化语音助手开发
- 有声书/播客批量合成
- 多音色语音合成研究
替代项目
Coqui TTS、ESPnet-TTS、MeloTTS
上一篇：voicefixer_main
同类项目推荐
Parallel-Tacotron2
开源
让语音合成告别逐字生成，并行提速数十倍
PyTorch Implementation of Google's Parallel Tacotron 2: A Non-Autoregressive Neural ···
qwen-tts-webui
开源
浏览器里填文本选音色，一键生成 Qwen3 语音
基于 Qwen3 TTS 的 WebUI
NekoSpeak
开源
手机本地离线朗读，隐私无忧，多种模型任选
Private, offline AI Text-to-Speech for Android with Kokoro, KittenTTS, Pocket-tts an···
TensorVox
开源
本地离线跑神经语音合成，低延迟高隐私，桌面即用
Desktop application for neural speech synthesis written in C++
AndroidMaryTTS
开源
在 Android 上离线生成语音，保护隐私且支持自定义声音。
Android MARY TTS - an open-source, offline HMM-Based text-to-speech synthesis system···
voice-pro
开源
一站式网页工具，轻松搞定语音合成、克隆与处理
Gradio WebUI for creators and developers, featuring key TTS (Edge-TTS, kokoro) and z···
soundbox
开源
在自己的显卡上生成音效、音乐和配音
Free, open-source, local alternative to ElevenLabs and Suno. AI sound effects, music···
OpenWebTTS
开源
本地模型朗读PDF和EPUB，隐私无忧的Speechify替代品
Open source Speechify alternative. Read PDFs and EPUBs with local models.
ElundusCoreApp
开源
直播前先试听打赏语音，避免翻车
Desktop application to convert text-to-speech to preview Twitch donations.