Neural-HMM

用神经HMM替代注意力，实现稳定高质量的语音合成

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。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 164

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队shivammehta25

所属国家

官网地址

GitHubhttps://github.com/shivammehta25/Neural-HMM

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

30天Star增速

HF 下载量

上线时间2021-10-08 00:00:00

最近更新2026-07-17 00:00:00

维护状态较活跃

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3

使用教程

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

项目介绍

Neural-HMM 是音频音乐领域的开源项目，由 shivammehta25 开发，2021 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 164。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-07-17。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：研究无注意力机制的TTS新架构。同类可对比的替代方案包括 Tacotron 2、FastSpeech 2、VITS。

上一篇：HeadTTS

下一篇：AdaSpeech