GenerSpeech 是音频音乐领域的开源项目，由 Rongjiehuang 开发，2022 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 333。
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 2026-06-24。MIT许可证，完全免费，需自行部署使用。
它主要面向的使用场景是：个性化语音助手，克隆用户声音。同类可对比的替代方案包括 YourTTS、VITS、Tacotron2。
GitHub 星标
★ 333
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Rongjiehuang
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，需自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型domain-generalization,neurips-2022,speech-synthesis,style-transfer,text-to-speech,tts
GitHub 星标★ 333
30天Star增速
HF 下载量
上线时间2022-10-09 00:00:00
最近更新2026-06-24 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1
使用教程
核心亮点
- 基于 NeurIPS 2022 论文，算法有学术背书，创新性强
- 支持零样本风格迁移，可直接克隆未见过的声音
- 代码结构清晰，包含训练和推理流程，便于复现
不足之处
- 文档/社区待观察
- 依赖特定数据集，泛化到真实场景需额外调优
适用场景
- 个性化语音助手，克隆用户声音
- 有声书或播客制作，快速生成特定风格配音
- 语音合成研究，探索风格迁移和领域泛化
替代项目
YourTTS、VITS、Tacotron2
项目介绍
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···