learnable-speech 是音频音乐领域的开源项目，由 primepake 开发，2025 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 56。
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 2026-08-12。本地部署，完全免费。
它主要面向的使用场景是：研究新型TTS架构和语音编码方法。同类可对比的替代方案包括 VITS、Tacotron2、FastSpeech2。
GitHub 星标
★ 56
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primepake
所属国家
定价模式free
价格说明开源项目，本地部署，完全免费
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型audio,cross-lingual,llm,speech,text-to-speech,texttospeech,tts,vae,voice,voice-clone,voice-conversion
GitHub 星标★ 56
30天Star增速
HF 下载量
上线时间2025-06-28 00:00:00
最近更新2026-08-12 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2
使用教程
核心亮点
- 创新性地使用可学习音频编码器，摆脱了对齐依赖，简化了 TTS 流程
- 支持跨语言和声音克隆，扩展了应用场景
- 集成 VAE 和 LLM，技术栈前沿，便于二次开发
不足之处
- 项目处于早期，文档和示例较少，上手门槛较高
- 依赖较新的模型和框架，对硬件资源要求可能较高
适用场景
- 研究新型 TTS 架构和语音编码方法
- 快速原型验证跨语言语音合成
- 教育场景中演示语音生成技术
替代项目
VITS、Tacotron2、FastSpeech2
项目介绍
上一篇：fe-pilot
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···