LLaSA_training

用LLM算力换自然语音，训练推理双扩展

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署音频音乐 🍴 复刻 49 🐛 待处理 36 👀 关注 24

GitHub ↗

GitHub 星标 ★ 658

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，本地部署，完全免费

项目预览

LLaSA_training 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐

开发团队zhenye234

GitHubhttps://github.com/zhenye234/LLaSA_training

定价模式🏷️完全免费

价格说明开源项目，本地部署，完全免费

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型llama,llm,text-to-speech,xcodec2

GitHub 星标★ 658

上线时间2025-01-08 00:00:00

代码更新2026-01-21

仓库体积1.9 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

LLaSA是一个基于LLaMA架构的语音合成项目，旨在通过扩展训练和推理时的计算量来提升语音生成质量。它解决了传统TTS模型在自然度和表现力上的不足，将语音离散化为XCodec2 token，并利用LLM的上下文学习能力进行建模。核心能力包括支持大规模并行训练、灵活的推理时计算扩展（如多次采样与重排），以及基于文本和语音的联合建模。项目提供完整的训练和推理代码，适合研究者和开发者探索高质量语音合成。

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 ★ 658

技术标签

llama llm text-to-speech

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 180 分钟部署方式：多卡训练 5 步

环境要求

8 卡 GPU（官方配置）
PyTorch 与 torchrun
约 160k 小时 tokenized 数据

安装与启动步骤

1下 tokenized 数据

官方直接提供已离散化的开源语音数据，省掉编解码器那一步。
2改训练配置

config.json 里管数据路径、模型规格和并行设置，先照默认改路径即可。
3起分布式训练

用 torchrun 指定卡数，单机多卡是最省事的起步方式。
```
torchrun --nproc_per_node=8 train_tts.py config.json
```
4或走 Slurm

有集群就改用提交脚本，配置项和 torchrun 一致。
```
sbatch run_slurm.sh
```
5推理验证音质

训完先用少量文本试听，确认音素与韵律没崩再谈效果。