MockingBird

收录理由

MockingBird 能从一段很短的语音样本里克隆出说话人的音色，然后用这个音色实时合成任意内容，至今仍是这类开源项目里被引用最多的起点之一。它沿用了 Real-Time Voice Cloning 的流程，直接复用预训练好的编码器和声码器，只需要自己训练合成器部分，比起从零搭建整套 TTS 要轻量不少。对中文的支持是它的一个突出亮点，作者用多个中文数据集做过测试，同时提供了桌面工具箱方便交互实验，也内置了 Web 服务支持远程调用。需要坦诚说明的是，作者已经不再积极维护这个仓库，转而推荐一个云托管的新版本，所以更适合把它当作一份扎实的参考实现和学习材料，如果要在生产环境里依赖它，得提前想好后续的维护方案。