editts

用扩散模型精准编辑语音，改音高语速不动原声

EdiTTS 是 INTERSPEECH 2022 论文的官方实现，基于分数生成模型（score-based）实现可控的文本到语音（TTS）编辑。它解决的是传统 TTS 系统只能整句合成、难以对已生成语音进行局部修改的问题。核心能力包括：支持对语音的音高、语速、情感等属性进行细粒度编辑，无需重新训练模型即可通过编辑潜在表示来控制输出；采用扩散模型框架，在推理时对语音特征进行迭代去噪，实现高保真编辑。项目提供 Python 代码和预训练模型，便于研究者复现和扩展。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 122

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neosapience

所属国家

官网地址https://editts.github.io

GitHubhttps://github.com/neosapience/editts

定价模式free

价格说明开源项目，基于PyTorch实现，需自行部署，完全免费。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型pytorch,speech,speech-edit,speech-synthesis,text-to-speech,tts

GitHub 星标★ 122

30天Star增速

HF 下载量

上线时间2021-10-05 00:00:00

最近更新2026-04-06 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

基于分数生成模型，编辑时保持语音自然度和连贯性，优于传统拼接或重合成方法
支持细粒度控制（音高、语速、情感），且无需重新训练，推理时直接操作潜在表示
官方实现，代码结构清晰，便于复现论文实验和二次开发

不足之处

项目处于早期阶段，文档和社区支持有限，上手门槛较高
依赖特定数据集和预训练模型，泛化到新语音或语言需额外适配

适用场景

语音内容创作：对已录制语音进行局部修正（如改错字、调语气）
有声书/播客后期：调整语速和情感，提升听感
语音合成研究：探索可控 TTS 的编辑机制

替代项目

Tacotron 2、FastSpeech 2、VITS

项目介绍

editts 是音频音乐领域的开源项目，由 neosapience 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 122。

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 2026-04-06。基于PyTorch实现，需自行部署，完全免费。

它主要面向的使用场景是：语音内容创作：对已录制语音进行局部修正（如改错字、调语气）。同类可对比的替代方案包括 Tacotron 2、FastSpeech 2、VITS。

上一篇：obsidian-tts

下一篇：Avocodo-pytorch