SSR-Speech

零样本语音编辑与合成，稳定安全又抗造

开源 🏷️完全免费 ✅ 目前可打开音频音乐 🍴 复刻 19 🐛 待处理 1 👀 关注 7

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 160

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，提供在线Demo页面，可免费体验，无付费版本。

项目预览

项目数据

分类音频音乐

开发团队WangHelin1997

官网地址https://wanghelin1997.github.io/SSR-Speech-Demo

GitHubhttps://github.com/WangHelin1997/SSR-Speech

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，提供在线Demo页面，可免费体验，无付费版本。

访问状态✅ 目前可打开

是否开源是

开源协议MIT

主要语言Python

技术栈/模型audio-codec,autoregressive-models,speech-edit,text-to-speech,zero-shot-learning

GitHub 星标★ 160

上线时间2024-08-06 00:00:00

代码更新2025-01-01

仓库体积3.6 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

SSR-Speech 是一个面向零样本语音编辑与合成的开源项目，旨在解决现有语音编辑和合成技术中稳定性、安全性和鲁棒性不足的问题。它基于音频编解码器（audio-codec）和自回归模型（autoregressive-models），支持零样本（zero-shot）场景，即无需针对特定说话人进行训练即可编辑或合成语音。核心能力包括：对已有语音进行精准编辑（如替换词句、调整韵律），同时保持说话人音色和情感不变；从文本直接合成自然流畅的语音，且能适应未见过的说话人。项目强调“稳定”（生成过程不易崩溃）、“安全”（避免生成有害或不当内容）和“鲁棒”（对噪声、口音等干扰有较强抵抗力）。技术栈涉及深度学习、语音信号处理，主要用Python实现。目前处于早期阶段（星标156），但提供了清晰的架构和实验代码，适合研究者和开发者探索零样本语音编辑的前沿方法。