TTSizer 是数据集领域的开源项目，由 taresh18 开发，2025 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 144。
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 2026-09-05。Apache-2.0许可证，可免费使用和部署。
它主要面向的使用场景是：构建个性化TTS语音克隆模型。同类可对比的替代方案包括 Coqui TTS、Mozilla TTS、ESPnet。
TTSizer
上传音视频，自动生成按说话人分好的TTS训练数据集
TTSizer 是一个自动生成高质量、按说话人区分的文本转语音（TTS）数据集的工具。它解决的是构建 TTS 模型时数据准备繁琐的痛点：以往需要手动转录音频、切割片段、标注说话人，耗时且易错。TTSizer 通过自动语音识别（ASR）和说话人分离（diarization）技术，将任意音频或视频文件自动转录为文本，并按照说话人进行分割和标注，最终输出可直接用于训练 TTS 模型的数据集。核心能力包括：自动语音识别、说话人分离、数据集格式标准化、批量处理。项目基于 Python，适合研究人员和开发者快速构建个性化 TTS 数据集，支持多说话人场景，显著提升数据准备效率。
开源
free
音频音乐
GitHub 星标
★ 144
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taresh18
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可证，可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型audio,automatic-speech-recognition,diarization,speech-recognition,text-to-speech
GitHub 星标★ 144
30天Star增速
HF 下载量
上线时间2025-05-04 00:00:00
最近更新2026-09-05 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3
使用教程
核心亮点
- 一键自动化：从音频/视频到TTS数据集全流程无需人工干预
- 说话人分离：自动区分不同说话人，生成多说话人数据集
- 输出标准化：直接产出TTS模型可用的格式，减少预处理工作
不足之处
- 早期项目，功能完整性和稳定性待验证
- 文档/社区待观察
适用场景
- 构建个性化TTS语音克隆模型
- 多说话人语音数据集批量制作
- 视频内容转语音训练数据
替代项目
Coqui TTS、Mozilla TTS、ESPnet
项目介绍
上一篇：DailyTalk
下一篇：SynParaSpeech
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models