Voice-synthesis 是音频音乐领域的开源项目，由 smoke-trees 开发，2020 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 170。
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 2026-05-03。可自行部署，完全免费。
它主要面向的使用场景是：个性化语音助手定制声音。同类可对比的替代方案包括 Coqui TTS、Tacotron 2、FastSpeech 2。
Voice-synthesis
几秒音频克隆声音，实时生成语音
Voice-synthesis 是一个基于 SV2TTS（说话人验证到多说话人语音合成）框架的实时语音合成实现，包含编码器、合成器和声码器三阶段。它允许用户仅用几秒钟的参考音频提取说话人特征，并利用该特征驱动文本到语音的生成，实现声音克隆。项目解决了传统 TTS 需要大量特定说话人数据的问题，支持多说话人合成和零样本声音模仿。核心能力包括实时声码器推理、预训练模型支持、以及从参考音频中学习音色、韵律等特征。代码基于 Python 和 PyTorch，适合研究语音合成、声音克隆和迁移学习的开发者。
开源
free
音频音乐
GitHub 星标
★ 170
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smoke-trees
所属国家
定价模式free
价格说明开源项目，可自行部署，完全免费。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型keras,pytorch-implementation,speech-to-text,sv2tts,tensorflow,voice-cloning,voice-synthesis
GitHub 星标★ 170
30天Star增速
HF 下载量
上线时间2020-05-03 00:00:00
最近更新2026-05-03 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4
使用教程
核心亮点
- 支持零样本声音克隆，仅需数秒参考音频
- 三阶段框架清晰，便于理解和二次开发
- 声码器实时运行，生成速度快
不足之处
- 文档和社区支持相对薄弱，早期项目资源有限
- 对长文本或复杂情感的合成效果可能不稳定
适用场景
- 个性化语音助手定制声音
- 有声读物或播客的多角色配音
- 语音合成研究实验和教学
替代项目
Coqui TTS、Tacotron 2、FastSpeech 2
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···