FastSpeech2 是音频音乐领域的开源项目，由 rishikksh20 开发，2019 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 237。
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 2026-05-20。Apache-2.0许可证，可免费使用和修改，无付费版本。
它主要面向的使用场景是：快速原型验证TTS效果。同类可对比的替代方案包括 Tacotron2、ESPnet-TTS、Coqui TTS。
FastSpeech2
并行合成高质量语音，速度飞快，效果自然
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。
开源
free
音频音乐
GitHub 星标
★ 237
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rishikksh20
所属国家
定价模式free
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
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
30天Star增速
HF 下载量
上线时间2019-11-16 00:00:00
最近更新2026-05-20 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4
使用教程
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
项目介绍
上一篇：Talkify
下一篇：voicenotify
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···