learnable-speech
无需对齐，快速实现跨语言语音合成与克隆
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 ★ 56
技术标签
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
上一篇：fe-pilot
同类项目推荐
vibevoice-studio
开源
录段声音，就能用你的声音说话
Beautiful voice app: record or upload to train a voice, generate speech from text or···
supertonic-py
开源
本地极速语音合成，离线也能开口说话
Lightning-Fast, On-Device TTS — running natively via ONNX.
OmniVoice
开源
一段参考音频，克隆音色说600+种语言
High-Quality Voice Cloning TTS for 600+ Languages
xttsv2-vllm-streaming-server
开源
让 XTTS-v2 实时说话，0.5 秒首响，即插即用
Real-time streaming TTS server for XTTS-v2 on vLLM — OpenAI-compatible API, ~0.5s T···
NaturalVoiceSAPIAdapter
开源
让老软件用上 Azure 自然语音，即插即用
Make Azure natural TTS voices accessible to any SAPI 5-compatible application.
sonata
开源
用 Rust 跑神经 TTS，跨平台、轻量、可嵌入
A cross-platform inference engine for neural TTS models.
midi2voice
开源
上传 MIDI，一键生成人声演唱，快速试听旋律效果。
Singing synthesis from MIDI file
PyThaiTTS
开源
用 Python 快速生成自然泰语语音，离线可用
Open Source Thai Text-to-speech library in Python
xtts-webui
开源
可视化操作XTTS，零代码实现语音合成与微调
Webui for using XTTS and for finetuning it