voicenet

用 TensorFlow 快速搭建语音合成模型，实现文本转语音。

voicenet 是一个基于 TensorFlow 和 Sonnet 构建的语音合成平台，旨在通过神经网络实现文本到语音（TTS）的转换。它解决了从零开始搭建 TTS 系统的复杂性，提供了模型定义、训练和推理的基础框架。核心能力包括利用深度神经网络生成语音波形或声学特征，支持自定义训练数据，并集成了 Sonnet 模块化设计，便于扩展和实验。项目处于早期阶段，代码结构清晰，适合研究者或开发者快速上手 TTS 技术。

开源 free 音频音乐
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 60
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npuichigo
所属国家
官网地址
GitHubhttps://github.com/npuichigo/voicenet
定价模式free
价格说明开源项目，基于TensorFlow和Sonnet的语音合成平台，Apache-2.0许可证，可自由使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Makefile
技术栈/模型neural-network,sonnet,tensorflow,text-to-speech
GitHub 星标★ 60
30天Star增速
HF 下载量
上线时间2017-06-10 00:00:00
最近更新2025-01-08 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 TensorFlow 和 Sonnet，技术栈成熟，易于扩展
  • 模块化设计，模型组件清晰，适合二次开发
  • 提供完整的训练和推理流程，降低 TTS 入门门槛

不足之处

  • 文档/社区待观察
  • 项目早期，功能可能不完善，缺乏预训练模型

适用场景

  • 学术研究：用于 TTS 模型架构的实验和对比
  • 教育学习：作为深度学习语音合成的教学示例
  • 快速原型：开发者可基于此快速验证 TTS 想法

替代项目

Tacotron 2、FastSpeech、WaveNet

项目介绍

voicenet 是音频音乐领域的开源项目，由 npuichigo 开发，2017 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 60。

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 2025-01-08。基于TensorFlow和Sonnet的语音合成平台，Apache-2.0许可证，可自由使用和部署。

它主要面向的使用场景是：学术研究：用于TTS模型架构的实验和对比。同类可对比的替代方案包括 Tacotron 2、FastSpeech、WaveNet。

上一篇：OpenAI-TTS-Gradio

下一篇：MimicMania

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.

★ 1239 2026-08-09
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

★ 1236 2026-09-13
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···

★ 52 2026-08-09
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···

★ 245 2026-08-09