Sistema open source de text-to-speech com clonagem de voz, controle de emoção em linguagem natural e geração com vários falantes, baseado em modelos no estilo LLM.
33,6 mil+100 esta semana2,9 milPythonOtherAtualizado há 5 dias
fishaudio/Bert-VITS2
Projeto de síntese de fala baseado em VITS2 que adiciona BERT multilíngue para melhorar a prosódia e a pronúncia da fala sintetizada.
- Estrelas
- 8,801
- Forks
- 1,307
- Issues abertas
- 2
- Último commit
- há 5 dias
O que é?
Bert-VITS2 é um projeto de síntese de fala baseado na arquitetura VITS2. Ele incorpora ao backbone VITS2 características textuais de um modelo BERT multilíngue para tornar mais naturais a prosódia e a pronúncia da fala sintetizada.
O repositório oferece fluxos de trabalho de pré-processamento e treinamento, com um ponto de entrada para a interface web (webui_preprocess.py) que serve como guia rápido para começar. A abordagem central do projeto se inspira no projeto MassTTS, e o repositório inclui referências a trabalhos relacionados, como vits, vits2_pytorch e so-vits-svc.
Os mantenedores informam que o projeto não recebe mais manutenção ativa e recomendam Fish-Speech como sucessor para quem busca uma opção atual de TTS autorregressivo.
Recursos principais
- 01Combina VITS2 com características textuais de BERT multilíngue para síntese de fala.
- 02Oferece um fluxo de trabalho de pré-processamento e treinamento baseado em WebUI.
- 03Usa o backbone VITS2 com um componente de vocoder.
- 04O código-fonte é licenciado sob AGPL-3.0.
Casos de uso
- Treinar um modelo de voz personalizado com suas próprias gravações de fala.
- Estudar como embeddings textuais de BERT podem ser integrados a um modelo de TTS no estilo VITS.
- Experimentar pipelines de síntese de fala em chinês e em vários idiomas.
Antes de usar
- O projeto está licenciado sob a AGPL-3.0, uma licença copyleft forte.
- O README informa que o projeto não será mantido no curto prazo e recomenda o Fish-Speech como alternativa.
- O README proíbe o uso para fins políticos e em atividades que violem a legislação chinesa.
Em coleções
Tópicos
#tts#text-to-speech#vits#bert#speech-synthesis#voice-cloning#deep-learning#agent#bert-vits#bert-vits2
Perguntas frequentes
- O que é Bert-VITS2?
- Projeto de síntese de fala baseado em VITS2 que adiciona BERT multilíngue para melhorar a prosódia e a pronúncia da fala sintetizada. Bert-VITS2 é um projeto de síntese de fala baseado na arquitetura VITS2. Ele incorpora ao backbone VITS2 características textuais de um modelo BERT multilíngue para tornar mais naturais a prosódia e a pronúncia da fala sintetizada.
- Bert-VITS2 é gratuito? Qual é a licença?
- Bert-VITS2 é open source sob a licença AGPL-3.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- Bert-VITS2 ainda é mantido?
- Manutenção ativa. O último commit de Bert-VITS2 foi em 2 de nov. de 2026.
- Para que posso usar Bert-VITS2?
- Treinar um modelo de voz personalizado com suas próprias gravações de fala. Estudar como embeddings textuais de BERT podem ser integrados a um modelo de TTS no estilo VITS. Experimentar pipelines de síntese de fala em chinês e em vários idiomas.
- Onde consigo Bert-VITS2?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/fishaudio/Bert-VITS2
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Biblioteca Python que transforma texto, generators e fluxos de tokens de LLM em fala com baixa latência, usando diversos mecanismos TTS locais e na nuvem.
4,1 mil415PythonMITBem mantidoAtualizado ontem
Exemplos de código que mostram como chamar os modelos de fala do Alibaba Cloud Bailian para reconhecimento e síntese de fala e conversas por voz.
42958MITAtualizado há 6 dias
Sistema open source de text-to-speech baseado em flow matching com Diffusion Transformer, que oferece clonagem de voz zero-shot a partir de um áudio curto de referência.
IA e Machine Learning#text-to-speech#speech-synthesis#flow-matching#diffusion-transformer#voice-cloning
15,5 mil+36 esta semana2,3 milPythonMITAtualizado há 4 dias
Mecanismo de conversão de texto em fala de código aberto, compatível com inglês e chinês, com mais de 2.000 vozes e síntese de fala emocional controlada por prompts.
8,5 mil761PythonApache-2.0Atualizado há 2 meses
Modelo de TTS leve baseado no ZipVoice para clonagem de voz e geração de fala a 48 kHz, com velocidade superior a 150x em tempo real na GPU.
5,5 mil+19 esta semana695PythonApache-2.0Atualizado há 5 meses