DualCodec

低帧率音频编码，让语音生成又快又准

DualCodec 是一个面向语音和音频生成的低帧率神经音频编解码器，发表于 Interspeech 2025。它主要解决传统音频编解码器在生成式 AI 场景中帧率过高、语义信息不足的问题，通过双路径设计（语义增强与声学重建）在极低帧率下保留关键语义特征，从而提升下游语音合成、音乐生成等任务的效率与质量。核心能力包括：极低帧率编码（显著降低自回归模型的计算量）、语义增强表示（提升生成内容的自然度和可控性）、以及支持多种音频生成任务（如 TTS、音乐生成）。项目基于 Amphion 框架，提供训练与推理代码，适合研究者和开发者集成到自己的生成管线中。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 73

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队jiaqili3

所属国家

官网地址https://dualcodec.github.io

GitHubhttps://github.com/jiaqili3/DualCodec

定价模式free

价格说明开源项目，MIT许可证，提供在线演示页面，可免费体验，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型amphion,audio,audio-generation,codec,dualcodec,llm,low-latency,neural-audio-codec,speech,speech-synthesis,text-to-speech,tts

GitHub 星标★ 73

30天Star增速

HF 下载量

上线时间2025-01-03 00:00:00

最近更新2026-09-01 00:00:00

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2026-08-09

浏览次数4

使用教程

核心亮点

极低帧率设计，大幅减少生成模型的计算开销
语义增强机制，提升合成语音的自然度和表现力
基于 Amphion 框架，易于集成到现有音频生成流程

不足之处

文档/社区待观察
依赖 Amphion 框架，独立使用门槛较高

适用场景

语音合成（TTS）系统的前端编码
音乐生成中的低延迟语义表示
资源受限设备上的实时音频生成

替代项目

EnCodec、SoundStream、Descript Audio Codec (DAC)

项目介绍

DualCodec 是音频音乐领域的开源项目，由 jiaqili3 开发，2025 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 73。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-01。MIT许可证，提供在线演示页面，可免费体验，无付费版本。从国内网络环境看，可直接访问。

它主要面向的使用场景是：语音合成（TTS）系统的前端编码。同类可对比的替代方案包括 EnCodec、SoundStream、Descript Audio Codec (DAC)。

上一篇：tts-demo

下一篇：qwen3-tts