WaveGrad

用扩散模型快速生成高保真语音波形，一步到位

WaveGrad 是 Google Brain 提出的高保真语音合成声码器（vocoder）的 PyTorch 非官方实现。它基于扩散概率模型（diffusion probabilistic model），通过迭代去噪过程将梅尔频谱图转换为高质量波形，解决了传统声码器（如 WaveNet）生成速度慢、训练复杂的问题。WaveGrad 的核心能力包括：支持条件生成（以梅尔频谱为输入）、可调节的推理步数（在速度和质量间灵活权衡）、生成音频质量接近真实语音。项目代码结构清晰，包含训练和推理脚本，并提供了 LJSpeech 数据集上的预训练模型，方便研究者复现和二次开发。该实现适合作为 TTS 系统的后端声码器，或用于扩散模型在音频生成领域的学术研究。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 408

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ivanvovk

所属国家

官网地址

GitHubhttps://github.com/ivanvovk/WaveGrad

定价模式free

价格说明开源项目，基于BSD-3-Clause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BSD-3-Clause

主要语言Jupyter Notebook

技术栈/模型diffusion-models,ljspeech,probabilistic-models,speech,speech-synthesis,text-to-speech,tts,tts-engines,vocoder,wavegrad

GitHub 星标★ 408

30天Star增速

HF 下载量

上线时间2020-09-03 00:00:00

最近更新2026-08-20 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2

使用教程

核心亮点

扩散模型架构，生成质量接近 WaveNet，但推理速度更快
支持动态调整推理步数，可在速度和音质间自由权衡
提供预训练模型和完整训练代码，开箱即用

不足之处

非官方实现，可能与原论文细节存在偏差
文档和社区支持有限，问题排查依赖自行阅读代码

适用场景

TTS 系统中的声码器模块，将频谱转为波形
学术研究：扩散模型在音频生成中的应用
低资源设备上的语音合成，通过减少步数加速推理

替代项目

WaveNet、HiFi-GAN、MelGAN

项目介绍

WaveGrad 是音频音乐领域的开源项目，由 ivanvovk 开发，2020 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 408。

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 2026-08-20。基于BSD-3-Clause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：TTS系统中的声码器模块，将频谱转为波形。同类可对比的替代方案包括 WaveNet、HiFi-GAN、MelGAN。

上一篇：personalized-podcast

下一篇：nnmnkwii