fish-diffusion

扩散模型做语音歌声合成，音质稳、代码好懂

开源 freemium 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 761

维护状态较活跃

是否开源是

定价模式 freemium

项目预览

项目数据

分类音频音乐

开发团队fishaudio

所属国家

官网地址https://diff.fish.audio

GitHubhttps://github.com/fishaudio/fish-diffusion

定价模式freemium

价格说明开源框架免费，官网提供在线体验，云服务定价待确认

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型diffusion,pytorch,soundgenerator

GitHub 星标★ 761

30天Star增速

HF 下载量

上线时间2023-01-09 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-15

浏览次数0

项目介绍

fish-diffusion 是一个基于扩散模型的语音合成框架，覆盖 TTS（文本转语音）、SVS（歌声合成）和 SVC（歌声转换）三类任务。项目目标是让扩散式音频生成变得容易理解，代码结构清晰，适合研究者快速上手和二次开发。核心能力包括：用扩散概率模型生成高质量语音与歌声，支持从文本或乐谱条件生成音频，也支持将一段人声转换成目标音色。它基于 PyTorch 实现，配套 soundgenerator 等组件，训练和推理流程相对完整。相比传统自回归或 GAN 方案，扩散模型在音质和稳定性上有优势，但推理速度较慢。项目星标约 761，属于早期探索型项目，适合做语音合成实验、音色克隆和歌声转换的技术验证。