PL-BERT 是音频音乐领域的开源项目，由 yl4579 开发，2023 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 269。
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 2026-08-15。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：语音合成研究：探索韵律建模新方法。同类可对比的替代方案包括 FastSpeech 2、Tacotron 2、VITS。
PL-BERT
用音素级 BERT 让 TTS 说话更自然，韵律更生动。
PL-BERT 是一个基于音素级 BERT 的文本到语音（TTS）韵律增强模型，通过引入音素级别的语言模型预测来提升合成语音的自然度和表现力。它解决了传统 TTS 系统中韵律建模不足的问题，能够更准确地预测语调、重音和节奏。核心能力包括：利用 BERT 架构对音素序列进行建模，捕捉上下文语义和语音特征；结合字素（Grapheme）预测，实现更灵活的文本到语音映射；提供预训练模型和推理代码，方便集成到现有 TTS 流程中。项目处于早期阶段，代码结构清晰，适合研究者和开发者探索韵律建模的新方法。
开源
free
音频音乐
GitHub 星标
★ 269
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bert,bert-model,text-to-speech,tts
GitHub 星标★ 269
30天Star增速
HF 下载量
上线时间2023-01-24 00:00:00
最近更新2026-08-15 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6
使用教程
核心亮点
- 创新性地将 BERT 应用于音素级建模，直接优化韵律预测，效果优于传统方法
- 支持字素预测，增强对多语言和特殊拼写的适应性
- 提供预训练模型和简洁的推理接口，易于集成到现有 TTS 系统
不足之处
- 项目早期，文档和社区支持待观察
- 依赖特定 BERT 预训练模型，可能限制跨语言泛化
适用场景
- 语音合成研究：探索韵律建模新方法
- TTS 产品开发：提升合成语音自然度
- 多语言 TTS：利用字素预测处理非标准拼写
替代项目
FastSpeech 2、Tacotron 2、VITS
项目介绍
下一篇：praises
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···