SoundStorm-pytorch 是音频音乐领域的开源项目，由 rishikksh20 开发，2023 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 131。
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 2025-12-11。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：学术研究：复现SoundStorm论文实验。同类可对比的替代方案包括 VALL-E、AudioLM、NaturalSpeech。
SoundStorm-pytorch
并行音频生成，让语音合成快数倍
SoundStorm-pytorch 是 Google SoundStorm 论文的非官方 PyTorch 实现，旨在解决传统自回归语音合成速度慢的问题。它通过并行解码音频 token，将生成速度提升数倍，同时保持高保真音质。项目核心能力包括：基于 SoundStorm 架构的并行音频生成、支持文本到语音合成、与 AudioLM 等模型协同工作。代码结构清晰，便于研究者复现论文结果或集成到自有语音合成流程。目前处于早期阶段，功能相对基础，但为社区提供了宝贵的参考实现。
开源
free
音频音乐
GitHub 星标
★ 131
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，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型large-language-models,speech-processing,speech-synthesis,text-to-speech,transformers
GitHub 星标★ 131
30天Star增速
HF 下载量
上线时间2023-05-19 00:00:00
最近更新2025-12-11 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
- 忠实实现 SoundStorm 并行解码机制，显著提升生成速度
- 代码简洁，依赖少，易于集成到现有 TTS 流程
- 提供与 AudioLM 配合的示例，降低使用门槛
不足之处
- 文档/社区待观察
- 未提供预训练模型，需自行训练
适用场景
- 学术研究：复现 SoundStorm 论文实验
- 快速原型验证：在本地测试并行语音合成效果
- 教学演示：理解并行音频生成原理
替代项目
VALL-E、AudioLM、NaturalSpeech
项目介绍
上一篇：parrot
下一篇：text-to-speech
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···