FastSpeech2

并行合成高质量语音,速度飞快,效果自然

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 音频音乐 🍴 复刻 53 🐛 待处理 13 👀 关注 8
GitHub ↗
GitHub 星标 ★ 237
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,Apache-2.0许可证,可免费使用和修改,无付费版本。

项目预览

FastSpeech2 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类音频音乐
开发团队rishikksh20
定价模式🏷️完全免费
价格说明开源项目,Apache-2.0许可证,可免费使用和修改,无付费版本。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Jupyter Notebook
技术栈/模型fastspeech,fastspeech2,pytorch,text-to-speech,tts,tts-engines
GitHub 星标★ 237
上线时间2019-11-16 00:00:00
代码更新2022-06-22
仓库体积11.9 MB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

FastSpeech2 是一个基于 PyTorch 的端到端文本转语音(TTS)实现,源自微软提出的 FastSpeech 2 模型。它解决了传统自回归 TTS 模型(如 Tacotron)合成速度慢、稳定性差的问题,通过非自回归的前馈网络并行生成梅尔频谱,显著提升推理速度。核心能力包括:引入 duration predictor 预测音素时长,解决对齐问题;使用 variance adaptor 建模音高、能量等韵律特征,提升语音自然度;支持多说话人训练,可扩展至多语言。该项目提供了完整的训练和推理流程,适合研究者和开发者快速复现和定制 TTS 系统。代码结构清晰,依赖较少,易于上手,是学习现代非自回归 TTS 的优秀参考实现。

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 ★ 237

核心亮点

  • 非自回归架构,合成速度比自回归模型快数倍
  • 显式建模音高和能量,语音表现力更强
  • 代码简洁,依赖少,易于复现和二次开发

不足之处

  • 文档和示例较少,新手配置环境可能费劲
  • 仅支持单一说话人训练,多说话人需自行扩展

适用场景

  • 快速原型验证 TTS 效果
  • 研究非自回归 TTS 架构
  • 构建低延迟语音合成服务

替代项目

Tacotron2、ESPnet-TTS、Coqui TTS

上一篇:Talkify

下一篇:voicenotify

同类项目推荐

tts 开源

一行命令,用 Amazon Polly 把你的文字变成语音。

:pencil: :sound: A simple text-to-speech tool. Converts your text to speech with any···

★ 173 2026-08-09
awesome-TTS-Colab 开源

在Colab上零配置体验各种TTS和语音克隆模型

Collection of awesome TTS and voice cloning models to run with Google Colab

★ 70 2026-08-09
tts-react 开源

在 React 里一句话搞定文字转语音,轻松实现播报功能

Convert text to speech using React.

★ 66 2026-08-09
react-text-to-speech 开源

React 里几行代码搞定文字转语音,支持高亮和队列

An easy-to-use React.js library that leverages the Web Speech API to convert text to···

★ 86 2026-08-09
piper1-gpl 开源

本地离线跑,低配设备也能快速合成自然语音

Fast and local neural text-to-speech engine

★ 6225 2026-10-01
awesome-audio-plaza 开源

每天更新音频AI论文,帮你紧跟音乐生成和语音合成前沿

Daily tracking of awesome audio papers, including music generation, zero-shot tts, a···

★ 410 2026-08-09
vits 开源

文字进、语音出,又快又自然,配音效率翻倍

VITS: Conditional Variational Autoencoder with Adversarial Learning for End-to-End T···

★ 7903 2026-08-09
ekho 开源

一句话搞定中文粤语藏语语音合成,离线也能用

Chinese text-to-speech engine

★ 1214 2026-08-09
nanospeech 开源

轻量可改的 TTS 系统,快速上手自定义语音合成

A simple, hackable text-to-speech system in PyTorch and MLX

★ 190 2026-08-09