---
title: "MaskGCT – 趣丸科技联合香港中文大学推出的语音合成大模型"
url: "https://paooo.com/aigc-news/26057/"
author: "Prompt 语宙研究院"
published_at: "2026-07-18T00:18:29+08:00"
updated_at: "2026-07-18T00:18:29+08:00"
categories: "AIGC 资讯"
tags: "AI音频与语音, HuggingFace, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# MaskGCT – 趣丸科技联合香港中文大学推出的语音合成大模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/26057/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-18

## AI 30 秒核心看点 (TL;DR)

- 基于掩码生成与语音表征解耦编码，MaskGCT在TTS基准上达到行业领先，部分指标甚至超过人类。
- 支持快速声音克隆、跨语种合成与语音控制，可调语速、时长和情感，生成更自然逼真的语音。
- 模型已在Amphion系统开源，支持中文、英文、日文、韩文、法文和德文等六种语言。

## MaskGCT是什么

MaskGCT是趣丸科技与香港中文大学（深圳）合作推出的语音合成大模型，基于掩码生成模型与语音表征解耦编码的技术，实现在声音克隆、跨语种合成、语音控制等任务上的显著效果。模型在多个TTS基准数据集上达到行业领先的水平，某些性能指标甚至超过人类。MaskGCT能快速且逼真地克隆声音，灵活调整语音的持续时间、速度和情感，支持中文、英文、日文、韩文、法文和德文等六种语言的合成。模型已在Amphion系统中开源，面向全球用户开放使用。

## MaskGCT的主要功能

- **声音克隆**：能快速复刻任意音色，包括人类、动漫角色等，且能完整地复制语调、风格和情感。

- **跨语种合成**：支持多种语言的语音合成，包括中文、英文、日文、韩文、法文和德文等，实现跨语言的语音生成。

- **语音控制**：灵活调整生成语音的长度、语速和情绪，支持用编辑文本编辑语音内容，保持韵律和音色的一致性。

- **高质量语音数据集**：训练于高质量的多语种语音数据集Emilia，提供丰富的语音合成素材。

## MaskGCT的技术原理

- **语音语义表示编解码器**：将语音转换为语义标记，用VQ-VAE模型学习向量量化码本，从语音自监督学习模型中重建语音语义表示。

- **语音声学编解码器**：将语音波形量化为多层离散标记，保留语音的所有信息，用RVQ方法压缩语音波形，用Vocos架构作为解码器。

- **文本到语义模型**：用非自回归掩码生成Transformer，不依赖文本到语音的对齐信息，基于语言模型的上下文学习能力预测语义标记。

- **语义到声学模型**：用非自回归掩码生成Transformer，语义标记为条件生成多层声学标记序列，重建高质量语音波形。

## MaskGCT的项目地址

- **GitHub仓库**：[https://github.com/open-mmlab/Amphion/tree/main/models/tts/maskgct](https://github.com/open-mmlab/Amphion/tree/main/models/tts/maskgct)

- **HuggingFace模型库**：[https://huggingface.co/amphion/MaskGCT](https://huggingface.co/amphion/MaskGCT)

- **arXiv技术论文**：[https://arxiv.org/pdf/2409.00750v2](https://arxiv.org/pdf/2409.00750v2)

- **公测版地址**（趣丸千音）：[https://voice.funnycp.com/](https://voice.funnycp.com/?utm_source=ai-bot.cn)

## MaskGCT的应用场景

- **有声读物和播客**：用MaskGCT生成的高质量语音，为电子书、有声读物和播客节目提供自然的朗读声音，提升听众的听觉体验。

- **智能助手和聊天机器人**：在智能设备和客服系统中，MaskGCT提供更加自然和个性化的语音交互体验。

- **视频游戏和虚拟现实**：在游戏和虚拟现实应用中，MaskGCT为角色生成逼真的语音，增强沉浸感。

- **影视制作和配音**：在影视后期制作中，MaskGCT快速生成或替换角色的语音，提高制作效率。

- **语言学习和教育**：MaskGCT生成标准或特定口音的语音，辅助语言学习者练习发音和听力。

## 常见问题解答 (FAQ)

### MaskGCT适合做哪些语音合成任务？
MaskGCT适合声音克隆、跨语种语音合成和可控语音生成等任务。它还能调整语音时长、语速和情感，适用于有声读物、播客、智能助手、游戏配音和教育场景。

### MaskGCT支持哪些语言合成？
根据文章信息，MaskGCT支持中文、英文、日文、韩文、法文和德文等六种语言的语音合成，适合多语种内容制作和跨语言配音需求。

### MaskGCT开源了吗，在哪里可以使用？
已开源。文章给出的项目入口包括 GitHub 的 Amphion 仓库、HuggingFace 模型库，以及趣丸千音公测版地址，可用于查看代码、模型和在线体验。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
