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 ★ 10332
使用教程
环境要求
- Python 3.9.15(conda 创建环境时指定该版本)
- Conda(用于创建名为 amphion 的虚拟环境)
- Git(用于克隆代码仓库)
- Docker 方式还需:Docker、NVIDIA Driver、NVIDIA Container Toolkit、CUDA
安装与启动步骤
-
1克隆仓库
从 GitHub 拉取 Amphion 源码,并进入项目根目录,后续所有操作都在该目录内进行。
git clone https://github.com/open-mmlab/Amphion.git cd Amphion -
2创建 conda 环境
按 README 指定版本创建名为 amphion 的 Python 3.9.15 虚拟环境,避免污染系统环境。
conda create --name amphion python=3.9.15 -
3激活环境
切换到刚创建的 amphion 环境,之后的依赖安装与运行都必须在该环境下进行。
conda activate amphion -
4安装依赖
在项目根目录执行 env.sh 脚本,一键安装 Amphion 所需的全部 Python 依赖包。
sh env.sh -
5拉取 Docker 镜像
Docker 方式的可选步骤,直接拉取官方镜像 realamphion/amphion,无需自行配置环境。
docker pull realamphion/amphion -
6启动 Docker 容器
以 GPU 方式启动容器,并把当前目录挂载到容器 /app;使用 Docker 时必须挂载数据集目录。
docker run --runtime=nvidia --gpus all -it -v .:/app realamphion/amphion -
7查看任务说明
按需查阅 TTS、VC、AC、SVC、TTA、Vocoder、评估、可视化等任务的 README 了解具体用法。
如何确认成功
README 未给出统一验证命令;确认 conda 环境 amphion 已激活、sh env.sh 执行无报错,或 Docker 容器能正常进入即算成功。
常见问题
Q:Setup Installer 和 Docker 镜像该选哪个?
A:两种方式任选其一即可。本地无 GPU 或想手动管理依赖选 Setup Installer;已有 NVIDIA 驱动和 CUDA 环境,想省去配依赖可选 Docker 镜像。
Q:用 Docker 时必须挂载数据集吗?
A:是。README 明确指出使用 Docker 时通过 -v 参数挂载数据集目录是必要的,否则容器内无法访问数据。具体可参考 egs/datasets/docker.md。
Q:装好后怎么跑具体任务?
A:README 只给出总览,各任务用法分散在子文档中:TTS 见 egs/tts/README.md,SVC 见 egs/svc/README.md,TTA 见 egs/tta/README.md,评估见 egs/metrics/README.md。
Q:支持哪些模型和任务?
A:覆盖文本到语音、语音转换、口音转换、歌声转换、文本到音频、声码器与客观评估,集成了 FastSpeech2、NaturalSpeech2、MaskGCT、AudioLDM 等模型。
Q:没有 GPU 能安装吗?
A:README 的 Docker 路线明确要求 NVIDIA Driver、NVIDIA Container Toolkit 和 CUDA,即需要 NVIDIA GPU 环境;纯 CPU 使用情况 README 未作说明。
注意事项
- 项目采用 MIT 开源协议,可自由使用与修改。
- conda 环境名固定为 amphion,激活后务必确认命令行前缀已切换。
- Docker 启动命令中的 -v .:/app 会把当前目录挂载进容器,请确保在 Amphion 根目录执行。
- README 未提供端口、密钥等配置项,本教程未涉及相关配置。
核心亮点
- 整合多种主流音频生成模型,覆盖 TTS、歌声、音乐等任务,开箱即用
- 提供统一训练与推理接口,支持可复现研究,降低入门门槛
- 包含数据预处理、特征提取和评估指标,形成完整工具链
不足之处
- 文档与社区支持相对有限,新手可能需依赖源码自行探索
- 部分模型依赖特定硬件(如 GPU)和大量数据,实际部署成本较高
适用场景
- 学术研究:复现基线模型或对比不同音频生成算法
- 教育学习:快速理解 TTS、歌声合成等核心技术实现
- 产品原型:基于预训练模型快速构建音频生成应用
替代项目
Coqui TTS、ESPnet、DiffSinger
同类项目推荐
alexandria-audiobook
开源
一句话把小说变成多角色有声书,克隆声音、逐行控风格
AI-powered multi-voice audiobook generator — LLM script annotation, voice cloning, ···
TextSoundSaver
开源
Mac 上把文字一键变成语音,导出音频文件
Using the TextSoundSaver application, you can convert text into realistic synthesize···
f5-tts-swift
开源
在苹果设备上本地运行高质量语音合成,无需联网
Implementation of F5-TTS in Swift using MLX
kokoro-onnx
开源
轻量级 ONNX 加速,让 TTS 在 CPU 上实时发声
TTS with kokoro and onnx runtime
piper
开源
断网也能用,老电脑照样流畅读稿,离线配音不求人
A fast, local neural text to speech system
Real-Time-Voice-Cloning
开源
5秒克隆声音,实时生成任意语音
Clone a voice in 5 seconds to generate arbitrary speech in real-time
VoxSherpa-TTS
开源
安卓离线语音合成,无网也能自然发声
️ VoxSherpa TTS Offline Neural Text-to-Speech Engine for Android ⚡ Sherpa-ONNX ···
MOSS-TTS
开源
一站式生成高保真语音、对话、音效,支持实时流式输出
An open-source model family for long-form speech, dialogue synthesis, voice design, ···
voicehub
开源
一套接口,调用所有 TTS 模型,快速集成语音合成。
VoiceHub: A Unified Inference Interface for TTS Models
