Neural-Voice-Cloning-With-Few-Samples

用几秒样本，克隆任意人的声音

这是一个基于论文《Neural Voice Cloning With Few Samples》的开源实现，旨在解决少样本语音克隆问题。它通过少量参考音频（甚至几秒钟）就能学习目标说话人的音色特征，并合成该说话人的语音。项目核心包含三个主要模块：说话人编码器（Speaker Encoder）用于提取说话人嵌入向量，合成器（Synthesizer）将文本转换为语音特征，以及声码器（Vocoder）将特征还原为波形。它支持多说话人训练，并能在推理时对新说话人进行快速适应。该实现基于Python和PyTorch，提供了完整的训练和推理流程，适合研究者和开发者用于语音合成、个性化语音助手等场景。不过项目处于早期阶段，文档和代码结构相对简单，需要用户具备一定的深度学习基础。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 432

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SforAiDl

所属国家

官网地址

GitHubhttps://github.com/SforAiDl/Neural-Voice-Cloning-With-Few-Samples

定价模式free

价格说明开源项目，MIT许可证，可自由使用，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型deep-learning,mel-spectogram,saidl,speaker-adaptation,speaker-encodings,speech-processing,tts,voice,voice-cloning,voice-synthesis

GitHub 星标★ 432

30天Star增速

HF 下载量

上线时间2018-08-07 00:00:00

最近更新2026-07-31 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5

使用教程

核心亮点

少样本克隆：仅需数秒参考音频即可生成目标音色
模块化设计：编码器、合成器、声码器分离，便于替换和扩展
基于经典论文实现，算法思路清晰，适合学术研究

不足之处

文档和社区支持待观察，代码注释较少
训练流程依赖外部数据集，复现门槛较高

适用场景

个性化语音合成研究
语音助手音色定制
有声书或游戏角色配音

替代项目

Real-Time-Voice-Cloning、Tacotron2、SV2TTS

项目介绍

Neural-Voice-Cloning-With-Few-Samples 是音频音乐领域的开源项目，由 SforAiDl 开发，2018 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 432。

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 2026-07-31。MIT许可证，可自由使用，无付费版本。

它主要面向的使用场景是：个性化语音合成研究。同类可对比的替代方案包括 Real-Time-Voice-Cloning、Tacotron2、SV2TTS。

上一篇：TFGAN

下一篇：Multi-Tacotron-Voice-Cloning