项目预览
项目数据
项目介绍
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 2026-10-29 · 当前星标 ★ 199
核心亮点
- 隐空间带语义约束，可直接用于音乐理解与条件生成，而非只做波形压缩
- 同一模型兼顾高保真重建与生成任务，减少多套编解码器的维护成本
- 纯 Python 实现，代码结构清晰，便于研究者二次修改和做消融实验
不足之处
- 早期项目，文档与预训练权重可能不完整，上手需读源码
- 缺少大规模主观听感评测与下游任务基准，效果稳定性待验证
适用场景
- 音乐语义嵌入与相似度检索研究
- 基于隐空间插值的音乐片段生成实验
- 音频压缩与高保真重建的对比研究
替代项目
EnCodec、MusicGen、RAVE
上一篇：smol-audio
下一篇：SpatialFlow
同类项目推荐
RapidTTS
开源
本地快速语音合成，多模型一键切换，低延迟高音质。
轻量级文本转语音工具，面向本地快速推理。A text-to-speech framework for fast and high···
csound-expression
开源
用 Haskell 写代码，生成电子音乐和声音合成。
Haskell Framework for Electronic Music
tts
开源
一行命令，用 Amazon Polly 把你的文字变成语音。
:pencil: :sound: A simple text-to-speech tool. Converts your text to speech with any···
awesome-audio-plaza
开源
每天更新音频AI论文，帮你紧跟音乐生成和语音合成前沿
Daily tracking of awesome audio papers, including music generation, zero-shot tts, a···
AudioMuse-AI
开源
声学分析自动挖掘曲库，生成智能歌单，找回被遗忘的好歌。
AudioMuse-AI uses sonic analysis to rediscover forgotten songs, uncover hidden conne···
qwen3-tts-rs
开源
用 Rust 原生跑通 Qwen3-TTS，轻量部署高性能语音合成
Rust implementation of Qwen3-TTS speech synthesis
Tacotron-pytorch
开源
用 PyTorch 复现 Tacotron，快速搭建端到端语音合成模型
A Pytorch Implementation of Tacotron: End-to-end Text-to-speech Deep-Learning Model
ViSAudio
开源
给视频自动配上带方向感的双耳空间音效
ViSAudio: End-to-End Video-Driven Binaural Spatial Audio Generation
voice-pro
开源
一站式网页工具，轻松搞定语音合成、克隆与处理
Gradio WebUI for creators and developers, featuring key TTS (Edge-TTS, kokoro) and z···