FastSpeech2
用 PyTorch 快速上手并行语音合成，告别慢速自回归
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 ★ 52
核心亮点
- 完整实现 FastSpeech2 三大预测器（时长、音高、能量），覆盖核心创新点
- 基于 PyTorch，代码结构清晰，便于阅读和修改，适合学术研究
- 支持多说话人训练，可扩展性较好
不足之处
- 项目处于早期阶段，文档和示例不完善，上手门槛较高
- 依赖教师模型（如 FastSpeech1）进行对齐蒸馏，训练流程较复杂
适用场景
- 学术研究：复现 FastSpeech2 论文实验
- 教学演示：理解非自回归 TTS 架构
- 二次开发：作为基础代码构建定制化语音合成系统
替代项目
ESPnet-TTS、Coqui TTS、TTS (Mozilla TTS)
上一篇：klaam
下一篇：simple-obs-stt
同类项目推荐
ollama-voice-mac
开源
在 Mac 上对着本地大模型说话，解放双手，秒得语音回复。
Mac compatible Ollama Voice
echogarden
开源
一站式命令行语音工具箱，搞定合成、识别、翻译和分离
Cross-platform speech toolset, used from the command-line or as a Node.js library. I···
whispering-ui
开源
给语音转录/翻译套上图形界面，开箱即用
Native UI for the Whispering Tiger project - https://github.com/Sharrnah/whispering ···
speechbrain
开源
一站式 PyTorch 语音工具箱，快速搞定识别、说话人验证等任务
A PyTorch-based Speech Toolkit
spokestack-python
开源
在嵌入式设备上快速集成离线语音交互，无需云端依赖。
Spokestack is a library that allows a user to easily incorporate a voice interface i···
whisper-diarization
开源
给语音转写加上说话人标签，会议记录一目了然
Automatic Speech Recognition with Speaker Diarization based on OpenAI Whisper
blurt
开源
按住说话，把语音和屏幕内容直接喂给终端 Agent
The keyboard for the agent era: dictation, copy text from screen, translation, snaps···
EasyMrcp
开源
用 Java 轻松接入多家语音识别与合成服务
欢迎使用EasyMrcp！ EasyMrcp使用java编写，目前提供了多种不同的asr和tts的集成，做到真正···
speech-translator-readme
开源
说一句话，立刻翻译成外语并语音播放
This repository outlines the procedures and general information for the Speech Trans···