Tacotron-pytorch

用 PyTorch 复现 Tacotron，快速搭建端到端语音合成模型

Tacotron-pytorch 是一个基于 PyTorch 实现的 Tacotron 端到端文本转语音（TTS）模型。Tacotron 是 Google 提出的经典 TTS 架构，将文本直接映射为线性频谱或梅尔频谱，再通过声码器合成语音。该项目解决了传统 TTS 系统需要复杂前端和拼接单元的问题，实现了从文本到语音的端到端训练。核心能力包括：支持字符或音素输入、注意力机制的对齐、Seq2Seq 序列生成，以及可训练的注意力损失（guided attention）以加速收敛。项目代码结构清晰，适合研究者快速上手 Tacotron 的 PyTorch 实现，并在此基础上进行二次开发或实验。虽然星标数不高，但作为早期项目，为后续许多 TTS 开源项目提供了参考基础。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 110

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ttaoREtw

所属国家

官网地址

GitHubhttps://github.com/ttaoREtw/Tacotron-pytorch

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Python

技术栈/模型deep-learning,end-to-end,pytorch,seq2seq,speech-synthesis,tacotron,text-to-speech

GitHub 星标★ 110

30天Star增速

HF 下载量

上线时间2018-09-13 00:00:00

最近更新2026-05-20 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2

使用教程

核心亮点

代码结构清晰，基于 PyTorch 实现，易于阅读和修改
包含注意力机制和 guided attention 损失，训练更稳定
支持自定义文本输入，方便实验不同语言或数据集

不足之处

文档较少，依赖项和预处理步骤需自行摸索
未提供预训练模型，需从头训练才能合成语音

适用场景

学术研究：复现 Tacotron 基线，对比新 TTS 方法
教学演示：理解端到端 TTS 的架构和训练流程
二次开发：作为基础框架，扩展多说话人或韵律控制

替代项目

Tacotron2 (NVIDIA)、ESPnet-TTS、Coqui TTS

项目介绍

Tacotron-pytorch 是音频音乐领域的开源项目，由 ttaoREtw 开发，2018 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 110。

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 2026-05-20。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：学术研究：复现Tacotron基线，对比新TTS方法。同类可对比的替代方案包括 Tacotron2 (NVIDIA)、ESPnet-TTS、Coqui TTS。

上一篇：tts

下一篇：SLED-TTS