hifi-gan

让语音合成又快又真，实时生成高保真音频

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署音频音乐 🍴 复刻 560 🐛 待处理 111 👀 关注 30

GitHub ↗

GitHub 星标 ★ 2379

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类音频音乐

开发团队jik876

GitHubhttps://github.com/jik876/hifi-gan

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型deep-learning,gan,hifi-gan,pytorch,speech-synthesis,text-to-speech,tts,vocoder

GitHub 星标★ 2379

上线时间2020-10-14 00:00:00

代码更新2024-07-27

仓库体积620 KB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

HiFi-GAN 是一个基于生成对抗网络的高保真语音合成声码器，由韩国首尔大学团队开发。它解决了传统神经声码器（如 WaveNet）推理速度慢、难以实时部署的问题，同时保持极高的音频质量。核心能力包括：将梅尔频谱图高效转换为原始波形，支持多说话人、多语言场景，并提供预训练模型。其创新点在于使用多周期判别器（MPD）和多尺度判别器（MSD）来捕捉音频的周期性和全局结构，配合对抗训练与辅助损失，实现了在单张 V100 GPU 上比实时快 22.9 倍的合成速度，且音质接近自然语音。项目代码清晰，基于 PyTorch 实现，易于集成到 TTS 系统中，是学术界和工业界广泛使用的 vocoder 基线。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2379

技术标签

deep-learning gan pytorch speech-synthesis text-to-speech

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 20 分钟部署方式：库/依赖 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（README 仅说明项目基于 PyTorch 实现，未给出具体版本）
PyTorch 深度学习框架
可选：支持 CUDA 的 GPU（README 提及 V100 上的合成速度）
可从仓库获取已开源的实现代码与预训练模型

安装与启动步骤

1克隆项目代码

从 GitHub 拉取 hifi-gan 源码到本地，README 未提供其他获取方式。
```
git clone https://github.com/jik876/hifi-gan
```
2进入项目目录

进入克隆后的目录，后续依赖安装与运行都建议在该目录内进行。
```
cd hifi-gan
```
3配置运行环境

README 节选未给出安装命令，仅说明基于 PyTorch 实现，请依据仓库内实际文件安装 Python 与 PyTorch 环境。
4确认预训练模型

README 说明仓库开源提供预训练模型，克隆完成后可检查相关模型文件是否齐全。