MelNet 是音频音乐领域的开源项目，由 Deepest-Project 开发，2019 年首次发布。
它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 208。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-11。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：学术研究：复现论文结果，探索频域音频生成。同类可对比的替代方案包括 WaveNet、SampleRNN、Tacotron。
MelNet
在频域上自回归生成音频，让AI学会谱曲和说话
MelNet 是一个基于 PyTorch 的音频生成模型实现，源自论文《MelNet: A Generative Model for Audio in the Frequency Domain》。它直接在频域（梅尔频谱）上建模音频，通过自回归方式逐帧生成频谱，再转换为可听波形，解决了传统音频生成模型在时域上难以捕捉长程依赖、训练不稳定的问题。核心能力包括：多尺度自回归建模、基于梅尔频谱的音频生成、支持无条件生成和条件生成（如文本转语音）。项目提供了训练和采样代码，但未提供预训练模型，需要用户自行训练。
开源
free
音频音乐
GitHub 星标
★ 208
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类音频音乐
开发团队Deepest-Project
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型generative-model,pytorch,tts
GitHub 星标★ 208
30天Star增速
HF 下载量
上线时间2019-08-17 00:00:00
最近更新2026-09-11 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3
使用教程
核心亮点
- 频域建模思路新颖，能捕捉全局结构，生成音频更连贯
- 代码结构清晰，基于PyTorch，易于复现和二次开发
- 支持条件生成，可扩展为TTS等下游任务
不足之处
- 文档较少，仅有README基础说明，缺少详细教程
- 未提供预训练模型，用户需从零训练，成本高
- 项目维护不活跃，依赖库版本可能过旧
适用场景
- 学术研究：复现论文结果，探索频域音频生成
- 音乐生成：无条件生成旋律或环境音效
- 语音合成：结合条件输入实现文本到语音
替代项目
WaveNet、SampleRNN、Tacotron
项目介绍
上一篇：WG-WaveNet
下一篇：xtts-api-server
同类项目推荐
tango
开源
输入一句话，自动生成匹配的音频内容
A family of diffusion models for text-to-audio generation.
AuK
开源
一个模型搞定语音生成、编辑与分离
AuK: An Open-Source Foundational Model for Speech Generation and Editing
swift-tts
开源
Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine
A straightforward package containing version for Swift modern concurrency, Point-Fre···
ai-dj
开源
现场演出中实时用 AI 生成音乐，保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···