MB-iSTFT-VITS2

用多频带解码器加速语音合成，训练更快、推理更省资源

MB-iSTFT-VITS2 是一个基于 PyTorch 的语音合成（TTS）开源项目，它将 MB-iSTFT-VITS 的组件应用到 vits2_pytorch 架构中，旨在提升文本到语音合成的效率和自然度。该项目解决了传统 VITS 模型在解码阶段计算开销大、合成速度慢的问题，通过引入多频带 iSTFT（逆短时傅里叶变换）解码器，在频域上并行生成多个子带信号，再合成完整波形，从而显著降低推理延迟和显存占用，同时保持高音质。核心能力包括：支持多说话人训练、提供预训练模型、支持中英文等多语言合成、可灵活配置音色和语速。项目代码结构清晰，基于成熟的 vits2_pytorch 生态，便于研究者二次开发和集成。目前项目处于早期阶段，星标数不高，但技术路线具有创新性，适合对高效 TTS 模型感兴趣的开发者和研究人员探索。