PitchExtractor 是音频音乐领域的开源项目，由 yl4579 开发，2022 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 154。
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 2026-08-24。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：语音转换系统中的基频特征提取。同类可对比的替代方案包括 REAPER、WORLD、pyin。
PitchExtractor
用深度学习精准提取音高，让语音转换和TTS训练更稳定。
PitchExtractor 是一个基于深度神经网络的音高提取工具，专为语音转换和语音合成（TTS）训练设计。它解决了传统音高提取算法（如基于自相关或频谱的方法）在复杂语音环境下鲁棒性不足的问题，能够更准确地从语音信号中估计基频（F0），为后续的声学建模提供可靠的特征。项目采用深度学习模型，支持批量处理，并提供了与常见语音处理流程集成的接口。其核心能力包括高精度音高估计、对噪声和不同说话人的适应性，以及易于嵌入现有训练管道的设计。作为早期项目，它聚焦于音高提取这一关键环节，为语音转换和TTS研究社区提供了一个实用的工具。
开源
free
音频音乐
GitHub 星标
★ 154
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yl4579
所属国家
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pitch-estimation,text-to-speech,voice-conversion
GitHub 星标★ 154
30天Star增速
HF 下载量
上线时间2022-06-15 00:00:00
最近更新2026-08-24 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5
使用教程
核心亮点
- 基于深度神经网络，相比传统算法在复杂语音环境下鲁棒性更强
- 专为语音转换和TTS训练设计，接口易集成到现有训练流程
- 提供批量处理能力，适合大规模数据预处理
不足之处
- 文档/社区待观察
- 项目处于早期阶段，功能可能不够完善
适用场景
- 语音转换系统中的基频特征提取
- TTS训练数据的前处理，获取准确的F0标注
- 需要高鲁棒性音高估计的音频分析任务
替代项目
REAPER、WORLD、pyin
项目介绍
上一篇：vox
同类项目推荐
tango
开源
输入一句话，自动生成匹配的音频内容
A family of diffusion models for text-to-audio generation.
AuK
开源
一个模型搞定语音生成、编辑与分离
AuK: An Open-Source Foundational Model for Speech Generation and Editing
swift-tts
开源
Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine
A straightforward package containing version for Swift modern concurrency, Point-Fre···
ai-dj
开源
现场演出中实时用 AI 生成音乐，保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···