vae_tacotron2 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 91。
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 2026-05-12。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：研究语音风格建模与韵律控制。同类可对比的替代方案包括 GST Tacotron 2、Tacotron 2、FastSpeech 2。
vae_tacotron2
用VAE隐变量控制语音风格，让TTS更自然有表现力
VAE Tacotron 2 是一个基于变分自编码器（VAE）的语音合成（TTS）模型，作为 GST Tacotron 的替代方案，旨在解决传统 Tacotron 2 在韵律和风格控制上的不足。它通过引入 VAE 隐变量来捕捉语音中的风格和韵律信息，使合成语音更加自然且富有表现力。项目基于 PyTorch 实现，包含完整的训练和推理流程，支持多说话人合成，并提供了预训练模型和中文/英文语料支持。核心能力包括：将风格特征编码为低维隐向量，实现风格迁移和可控合成；与 GST 相比，VAE 方法能更稳定地建模风格分布，且无需显式风格标签。该项目适合研究语音风格建模、低资源 TTS 定制，以及需要细粒度韵律控制的场景。
开源
free
音频音乐
GitHub 星标
★ 91
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speech-synthesis,tacotron,tacotron-2,tts,vae-tacotron,variational-autoencoder
GitHub 星标★ 91
30天Star增速
HF 下载量
上线时间2019-01-26 00:00:00
最近更新2026-05-12 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
- VAE隐变量建模风格，比GST更稳定且无需风格标签
- 完整PyTorch实现，含训练、推理和预训练模型，上手快
- 支持多说话人，便于扩展个性化语音合成
不足之处
- 文档/社区待观察
- 项目较早期，预训练模型覆盖语种有限
适用场景
- 研究语音风格建模与韵律控制
- 构建多说话人TTS系统
- 低资源语种的语音合成定制
替代项目
GST Tacotron 2、Tacotron 2、FastSpeech 2
项目介绍
下一篇：tacotron
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···