VibeVoiceFusion 是音频音乐领域的开源项目，由 zhao-kun 开发，2025 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 490。
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 2026-09-23。本地部署，完全免费，无付费版本。
它主要面向的使用场景是：为有声书或播客批量生成多角色语音。同类可对比的替代方案包括 Coqui TTS、Bark、XTTS v2。
VibeVoiceFusion
一键微调多说话人语音，低显存批量合成
VibeVoiceFusion 是一个基于微软 VibeVoice（自回归+扩散架构）的全栈多说话人语音合成 Web 系统。它主要解决自建 TTS 系统时面临的多说话人支持、模型微调门槛高、显存占用大和批量生成效率低等问题。核心能力包括：支持 LoRA 微调，用户可以用少量数据快速适配新音色；提供批量生成接口，适合大规模语音合成任务；针对 VRAM 做了优化，降低了对硬件的要求。系统采用前后端分离架构，基于 Python 开发，技术栈涵盖 AIGC、自回归模型、语言模型、语音合成等，适合研究或生产环境部署。项目处于早期阶段，但功能设计完整，对希望深度定制 TTS 的开发者有较大吸引力。
开源
free
音频音乐
GitHub 星标
★ 490
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zhao-kun
所属国家
定价模式free
价格说明开源项目，本地部署，完全免费，无付费版本。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型aigc,autoregressive-models,fine-tuning,language-model,lora,speech-synthesis,tts,tts-engines,ttsuite,vibevoice,vramsaving,web
GitHub 星标★ 490
30天Star增速
HF 下载量
上线时间2025-09-26 00:00:00
最近更新2026-09-23 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
- 集成 LoRA 微调，少量数据即可定制新音色，降低训练门槛
- 显存优化设计，普通消费级显卡也能跑多说话人合成
- 全栈 Web 系统，自带界面和 API，开箱即用
不足之处
- 早期项目，文档和社区支持待观察
- 依赖微软 VibeVoice 基础模型，生态独立性有限
适用场景
- 为有声书或播客批量生成多角色语音
- 游戏或影视配音中快速克隆特定音色
- 企业级语音助手需要个性化发音人
替代项目
Coqui TTS、Bark、XTTS v2
项目介绍
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···