WhisperSpeech

反转Whisper，用识别模型生成自然语音，快速搭建TTS应用

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署音频音乐 🍴 复刻 280 🐛 待处理 44 👀 关注 73

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 4659

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，完全免费，可自行部署使用。

项目预览

WhisperSpeech 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐

开发团队WhisperSpeech

官网地址https://whisperspeech.github.io/WhisperSpeech

GitHubhttps://github.com/WhisperSpeech/WhisperSpeech

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型pytorch,speech-synthesis,tts

GitHub 星标★ 4659

上线时间2023-02-14 00:00:00

代码更新2025-12-14

仓库体积39.0 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4

项目介绍

WhisperSpeech 是一个基于 PyTorch 的开源文本转语音（TTS）系统，其核心思路是“反转 Whisper”——利用 OpenAI 的语音识别模型 Whisper 的内部表征来训练语音合成模型，从而生成自然、高质量的语音。它解决了传统 TTS 系统需要大量配对语音文本数据、训练复杂且声音机械感强的问题。WhisperSpeech 采用自监督学习，从 Whisper 的中间层提取语义和声学特征，通过解码器生成 Mel 频谱，再经声码器合成波形。项目支持多语言，提供预训练模型和微调接口，用户可通过简单命令快速合成语音，并支持情感和风格控制。其独特之处在于利用现有强大识别模型的知识，降低了 TTS 训练门槛，同时保持了高自然度和鲁棒性，适合研究者和开发者构建个性化语音应用。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4659

技术标签

pytorch speech-synthesis tts

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：高级约 30 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 运行环境（README 节选未给出具体版本要求）
PyTorch（项目技术栈为 PyTorch）
建议具备 NVIDIA GPU（README 提到在 RTX 4090 上可达 12 倍实时）
可访问 GitHub 与官网以获取最新安装说明

安装与启动步骤

1克隆官方仓库

从 GitHub 拉取 WhisperSpeech 源码，后续安装与示例都在该目录内进行。
```
git clone https://github.com/WhisperSpeech/WhisperSpeech.git
```
2进入项目目录

切换到刚克隆下来的仓库根目录，准备查看文档与示例。
```
cd WhisperSpeech
```
3阅读安装说明

README 节选未列出安装命令，请打开仓库 README 与官网查看最新安装方式。
4准备运行环境

项目基于 PyTorch，需自行准备 Python 与 PyTorch 环境；README 未指定版本与依赖清单。
5运行官方示例

按仓库中提供的 Notebook 或示例脚本尝试合成语音，注意当前版本以英语为主。