Neural-HMM

用神经HMM替代注意力，实现稳定高质量的语音合成

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 音频音乐 🍴 复刻 26 🐛 待处理 5 👀 关注 5
GitHub ↗
GitHub 星标 ★ 164
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

Neural-HMM 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐
开发团队shivammehta25
GitHubhttps://github.com/shivammehta25/Neural-HMM
定价模式🏷️完全免费
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🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型deep-learning,hidden-markov-model,machine-learning,neural-network,pytorch,pytorch-lightning,speech-synthesis,text-to-speech
GitHub 星标★ 164
上线时间2021-10-08 00:00:00
代码更新2026-11-02
仓库体积78.1 MB
本站数据更新2026-11-08
维护状态活跃
收录时间2026-08-09
浏览次数4

项目介绍

Neural-HMM 是一个基于神经隐马尔可夫模型（Neural HMM）的高质量文本转语音（TTS）开源项目。它旨在解决传统注意力机制在语音合成中的鲁棒性不足和计算开销问题，通过将 HMM 的时序建模能力与神经网络的特征提取能力结合，实现无需注意力机制的语音合成。项目采用 PyTorch 和 PyTorch Lightning 实现，提供完整的训练与推理流程，支持端到端的声学建模。其核心能力包括：利用 HMM 的单调对齐特性提升长句合成的稳定性，通过神经网络增强声学特征表达，以及支持可复现的实验配置。该项目适合研究语音合成新范式、探索生成式时序模型的开发者，尤其关注无注意力架构在 TTS 中的应用。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 164

核心亮点

  • 创新性地用HMM替代注意力机制，提升长句合成的稳定性
  • 基于PyTorch Lightning实现，代码结构清晰，易于复现实验
  • 提供完整的训练和推理脚本，适合二次开发和研究

不足之处

  • 项目处于早期阶段，文档和社区支持待观察
  • 仅提供Jupyter Notebook示例，缺少详细的API文档

适用场景

  • 研究无注意力机制的TTS新架构
  • 需要稳定长文本语音合成的应用场景
  • 探索HMM与深度学习结合的学术实验

替代项目

Tacotron 2、FastSpeech 2、VITS

上一篇：HeadTTS

下一篇：AdaSpeech

同类项目推荐

react-speech-highlight-demo 开源

让文字跟着语音走，边听边读不迷路

React / Vanilla JS Text to Speech with highlighting the words and sentences that are···

★ 189 2026-08-09
SoniTranslate 开源

上传视频，自动生成多语言配音，轻松出海

Synchronized Translation for Videos. Video dubbing

★ 1424 2026-08-09
Podcini 开源

一个应用同时听播客和 YouTube 音频，告别来回切换。

Open source podcast instrument for Android supporting contents from YouTube and YT M···

★ 238 2026-08-09
Orpheus-TTS 开源

让AI说话像真人，实时合成高表现力语音

Towards Human-Sounding Speech

★ 6396 2026-08-09
voices 开源

在 macOS 终端一键切换 TTS 语音，还能多语音朗读文本

macOS CLI for changing the default TTS (text-to-speech) voice and printing informati···

★ 64 2026-08-09
vox-box 开源

一键部署 OpenAI 兼容语音服务，自由切换 TTS/STT 引擎

A text-to-speech and speech-to-text server compatible with the OpenAI API, supportin···

★ 217 2026-08-09
CDCD 开源

用图像生成音乐，或反之，跨模态创作一键搞定

[ICLR2023] Discrete Contrastive Diffusion for Cross-Modal Music and Image Generation···

★ 163 2026-08-09
voicevox 开源

免费日语配音编辑器，打字即可生成可调语音

無料で使える中品質なテキスト読み上げソフトウェア、VOICEVOXのエディター

★ 3296 2026-10-27