项目预览
项目数据
项目介绍
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 ★ 64
核心亮点
- 基于 VQ-Diffusion 的声学建模，生成语音更自然
- 与 UniCATS 全流程集成，支持从文本到语音端到端
- 代码开源，便于复现和学术研究
不足之处
- 文档/社区待观察
- 依赖 UniCATS 其他组件，单独使用受限
适用场景
- 学术研究：复现 AAAI 2024 论文实验
- 多语言 TTS 系统开发
- 语音合成质量优化与韵律控制
替代项目
VALL-E、NaturalSpeech 2、FastSpeech 2
上一篇：voices
同类项目推荐
Transformer-TTS
开源
用 Transformer 替代 RNN，快速训练语音合成模型
A Pytorch Implementation of "Neural Speech Synthesis with Transformer Network"
HiggsAudio-Studio
开源
离线一键生成多角色播客和有声书，支持声音克隆。
No longer developed. Use Speech Studio: https://github.com/timoncool/speech-studio. ···
PolyLangVITS
开源
一个模型搞定中英日韩语音合成，开箱即用
Multi-speaker Speech Synthesis Using VITS(KO, JA, EN, ZH)
MangoByte
开源
在 Discord 里一键播放 Dota 英雄台词，还能 TTS 整活
A discord bot that provides the ability to play dota hero response clips, do tts, an···
rvc-webui
开源
一键部署网页版声音转换工具，轻松实现音色克隆与替换
liujing04/Retrieval-based-Voice-Conversion-WebUI reconstruction project
Music-SketchNet
开源
画个音乐草图，AI帮你生成完整旋律和节奏
ISMIR 2020 Paper repo: Music SketchNet: Controllable Music Generation via Factorized···
ACE-Step-1.5
开源
本地跑文本生成音乐，Mac/AMD/Intel 都能用
The most powerful local music generation model that outperforms almost all commercia···
podcast_tts
开源
一键生成有对话感的播客音频，告别机械配音
A class for generating realistic audio (TTS) for podcasts and dialogues.
MOSS-TTS
开源
一站式生成高保真语音、对话、音效，支持实时流式输出
An open-source model family for long-form speech, dialogue synthesis, voice design, ···