DNN-HSMM 是音频音乐领域的开源项目，由 sp-nitech 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 73。
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 2026-09-01。BSD-3-Clause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：学术研究：探索DNN与HSMM结合的声学建模方法。同类可对比的替代方案包括 Merlin、Tacotron、HTS。
DNN-HSMM
用 DNN+HSMM 打造更自然的语音合成声学模型
DNN-HSMM 是一个基于 PyTorch 实现的语音合成（TTS）工具，核心是将深度神经网络（DNN）与隐半马尔可夫模型（HSMM）结合，用于声学建模。它解决传统 HMM 语音合成中过度平滑、自然度不足的问题，同时保留 HSMM 对时长建模的灵活性。项目提供训练和合成流程，支持从语音数据中提取特征并生成频谱参数，最终通过声码器合成语音。核心能力包括：DNN 与 HSMM 的混合建模、时长预测、声学参数生成。适合研究语音合成中统计参数建模的开发者，尤其关注时长与频谱联合建模的场景。
开源
free
音频音乐
GitHub 星标
★ 73
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sp-nitech
所属国家
定价模式free
价格说明开源项目，BSD-3-Clause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BSD-3-Clause
主要语言Python
技术栈/模型hsmm,pytorch,text-to-speech
GitHub 星标★ 73
30天Star增速
HF 下载量
上线时间2020-09-27 00:00:00
最近更新2026-09-01 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
- 将深度学习与统计模型结合，提升语音自然度
- 基于 PyTorch，代码结构清晰，易于二次开发
- 提供完整的训练与合成流程，便于快速上手
不足之处
- 文档/社区待观察
- 依赖特定声码器，集成灵活性有限
适用场景
- 学术研究：探索 DNN 与 HSMM 结合的声学建模方法
- 语音合成原型开发：快速验证统计参数合成效果
- 教学示例：理解 HMM 与深度学习的混合架构
替代项目
Merlin、Tacotron、HTS
项目介绍
上一篇：draft-to-take
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···