懂AI

vits2_pytorch学习资料汇总 - 非官方PyTorch实现的VITS2文本转语音模型

RayRay
VITS2文本转语音单阶段模型对抗学习架构设计Github开源项目

vits2_pytorch项目简介

vits2_pytorch是VITS2论文的非官方PyTorch实现,VITS2是一个高质量高效率的单阶段文本转语音(TTS)模型。该项目由GitHub用户p0p4k开发,旨在改进原始VITS模型,提高合成语音的自然度和计算效率。

vits2架构图

主要特性

  1. 改进了持续时间预测器,添加了LSTM判别器
  2. 在归一化流中加入了Transformer块
  3. 引入了说话人条件文本编码器
  4. 使用梅尔频谱图后验编码器
  5. 支持单说话人和多说话人训练
  6. 提供ONNX导出和Gradio演示界面

预训练模型

音频样本

使用教程

环境配置

  1. Python >= 3.10
  2. PyTorch 1.13.1
  3. 安装依赖: pip install -r requirements.txt
  4. 可能需要安装espeak: apt-get install espeak

数据准备

  1. 下载LJSpeech数据集,链接到 DUMMY1
  2. 多说话人设置:下载VCTK数据集,降采样到22050Hz,链接到 DUMMY2

训练示例

# LJSpeech 
python train.py -c configs/vits2_ljs_nosdp.json -m ljs_base

# VCTK
python train_ms.py -c configs/vits2_vctk_base.json -m vctk_base

ONNX导出

python export_onnx.py --model-path="G_64000.pth" --config-path="config.json" --output="vits2.onnx"

贡献者

项目得到了多位贡献者的支持,包括@erogol、@lexkoro、@athenasaurav等。

vits2_pytorch为研究人员和开发者提供了一个强大的TTS模型实现,欢迎大家使用和贡献该项目!

编辑推荐精选

小云雀

小云雀

字节旗下AI内容创作Agent

小云雀是字节跳动旗下剪映团队推出的AI内容创作Agent，主打”一句话打造一个爆款”的零门槛创作体验。用户只需输入一句指令，可自动生成15-60秒短视频、数字人口播视频、风格化海报等内容，支持200+可商用数字人形象和19种语言及方言。小云雀核心功能包括智能成片、AI设计、照片会说话、爆款复刻等，已接入豆包大模型、DeepSeek Chat及自研Seedance 2.0视频生成模型、Seedream 5.0图像生成模型。目前支持安卓APP和网页版，每日登录可领取120积分。适合自媒体创作者、电商营销人员、教育工作者及普通用户使用，近期因用户量激增，视频生成排队时长可达8小时。

豆包

豆包

字节跳动旗下 AI 智能助手

字节跳动旗下 AI 智能助手

Pixmax

Pixmax

一站式AI短剧创作平台

Pixmax专注打造下一代“ AI 视觉创作引擎”，整合行业顶尖 AI 大模型、工工业级精准控制及企业级协同管理功能，是全方位的 AI 内容创作平台。

GPT Plus｜Pro充值

GPT Plus｜Pro充值

GPT充值

支持 ChatGPT Plus / Pro 充值服务，支付便捷，自动发货，售后可查。

GPT Image 2中文站

GPT Image 2中文站

AI 图片生成平台

GPT Image 2 是面向用户的 AI 图片生成平台，支持文生图、图生图及多模型创意工作流。

Vecbase

Vecbase

你的AI Agent团队

Vecbase 是专为 AI 团队打造的智能工作空间，将数据管理、模型协作与知识沉淀整合于一处。算法、产品与业务在同一平台无缝协同，让从数据到 AI 应用的落地更快一步。

音述AI

音述AI

全球首个AI音乐社区

音述AI是全球首个AI音乐社区，致力让每个人都能用音乐表达自我。音述AI提供零门槛AI创作工具，独创GETI法则帮助用户精准定义音乐风格，AI润色功能支持自动优化作品质感。音述AI支持交流讨论、二次创作与价值变现。针对中文用户的语言习惯与文化背景进行专门优化，支持国风融合、C-pop等本土音乐标签，让技术更好地承载人文表达。

QoderWork

QoderWork

阿里Qoder团队推出的桌面端AI智能体

QoderWork 是阿里推出的本地优先桌面 AI 智能体，适配 macOS14+/Windows10+，以自然语言交互实现文件管理、数据分析、AI 视觉生成、浏览器自动化等办公任务，自主拆解执行复杂工作流，数据本地运行零上传，技能市场可无限扩展，是高效的 Agentic 生产力办公助手。

lynote.ai

lynote.ai

一站式搞定所有学习需求

不再被海量信息淹没，开始真正理解知识。Lynote 可摘要 YouTube 视频、PDF、文章等内容。即时创建笔记，检测 AI 内容并下载资料，将您的学习效率提升 10 倍。

AniShort

AniShort

为AI短剧协作而生

专为AI短剧协作而生的AniShort正式发布，深度重构AI短剧全流程生产模式，整合创意策划、制作执行、实时协作、在线审片、资产复用等全链路功能，独创无限画布、双轨并行工业化工作流与Ani智能体助手，集成多款主流AI大模型，破解素材零散、版本混乱、沟通低效等行业痛点，助力3人团队效率提升800%，打造标准化、可追溯的AI短剧量产体系，是AI短剧团队协同创作、提升制作效率的核心工具。

下拉加载更多