ParallelWaveGAN

一站式 PyTorch 声码器集合，快速生成高保真语音波形。

ParallelWaveGAN 是一个基于 PyTorch 的非官方实现，集成了多种主流神经声码器，包括 Parallel WaveGAN、MelGAN、多频带 MelGAN、HiFi-GAN 和 StyleMelGAN。它解决了语音合成中从频谱特征生成高质量原始波形的问题，即声码器环节。该项目提供统一的训练和推理流程，支持实时合成，并附带预训练模型。其核心能力在于高效生成自然、高保真的语音波形，适用于文本到语音（TTS）系统。通过对比多种声码器，研究者可以方便地评估和选择适合的模型。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1645

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kan-bayashi

所属国家

官网地址https://kan-bayashi.github.io/ParallelWaveGAN

GitHubhttps://github.com/kan-bayashi/ParallelWaveGAN

定价模式free

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

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型hifigan,melgan,neural-vocoder,parallel-wavenet,pytorch,realtime,speech-synthesis,style-melgan,text-to-speech,tts,vocoder,wavenet

GitHub 星标★ 1645

30天Star增速

HF 下载量

上线时间2019-10-29 00:00:00

最近更新2026-09-11 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5

使用教程

难度：进阶约 30 分钟部署方式：本地安装 6 步

环境要求

Python 环境（建议使用 conda 或 virtualenv 虚拟环境）
PyTorch（项目通过 tools/Makefile 指定 CUDA 版本编译安装）
如需分布式训练需额外编译安装 apex
make 工具（用于执行 Makefile 安装流程）

安装与启动步骤

1克隆仓库

从 GitHub 拉取 ParallelWaveGAN 源码，进入项目根目录后再执行后续安装步骤。
```
git clone https://github.com/kan-bayashi/ParallelWaveGAN.git
cd ParallelWaveGAN
```
2执行安装

README 说明可从两种方式中选择，实际命令需查看 tools/Makefile；注意其中固定了编译 pytorch wheel 的 CUDA 版本。
```
make
```
3可选安装 apex

仅当需要进行分布式训练时执行，用于编译安装 apex 加速库。
```
make apex
```
4运行 recipe

仓库自带完整 recipe，可直接从零开始运行训练与推理流程；具体依赖需先按上文完成环境安装。
```
cd egs/your_recipe/v1
./run.sh
```
5pip 方式安装

确保 parallel_wavegan 已安装，若未安装可用 pip 直接安装该包。
```
pip install parallel_wavegan
```
6在 ESPnet 环境中安装

与 ESPnet-TTS 结合使用时，需在 ESPnet 的 conda 或 virtualenv 环境里升级安装 parallel_wavegan。
```
. ./path.sh && pip install -U parallel_wavegan
```

关键配置

配置项	必填	说明	示例
`CUDA 版本`	否	决定编译安装的 pytorch wheel 版本，可修改 tools/Makefile 更换。	`cu102`

如何确认成功

可执行 pip show parallel_wavegan 查看是否安装成功；运行 recipe 后检查输出目录是否生成模型与音频文件。

常见问题

Q：安装时想换 CUDA 版本怎么办？

A：README 指出 pytorch wheel 的 CUDA 版本固定，需要查看并修改 tools/Makefile 中对应的 pytorch wheel 配置。

Q：必须安装 apex 吗？

A：不是必须的，仅在使用分布式训练时才需要通过 make apex 安装 apex。

Q：如何与 ESPnet-TTS 一起使用？

A：先在 ESPnet 的 conda 或 virtualenv 环境中激活路径并执行 pip install -U parallel_wavegan，并确保已完成 ESPnet-TTS 的 recipe。

Q：可以直接用 pip 安装吗？

A：可以，README 说明若未安装 parallel_wavegan，可直接执行 pip install parallel_wavegan。

注意事项

本仓库为非官方（UNOFFICIAL）PyTorch 实现，包含 Parallel WaveGAN、MelGAN、Multiband-MelGAN、HiFi-GAN、StyleMelGAN 五种模型。
目标是与 ESPnet-TTS 兼容的实时神经声码器，也可配合 NVIDIA/tacotron2 的实现使用。
README 节选未给出完整安装命令细节，实际命令需参考仓库内 tools/Makefile 与各 recipe 目录。
项目在 Google Colab 提供实时端到端语音合成演示，可先在线体验再本地部署。

核心亮点

集成五种主流声码器，便于对比和选择
提供预训练模型，开箱即用
支持实时推理，适合生产部署

不足之处

非官方实现，可能缺少最新优化
文档/社区待观察

适用场景

TTS 系统后端声码器选型与评估
语音合成研究中的波形生成实验
实时语音交互应用开发

替代项目

HiFi-GAN、MelGAN、WaveGlow

项目介绍

ParallelWaveGAN 是音频音乐领域的开源项目，由 kan-bayashi 开发，2019 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,645）位列前 30%，在音频音乐分类的 738 个项目里位列前 12%。

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 2026-09-11。MIT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系统后端声码器选型与评估。同类可对比的替代方案包括 HiFi-GAN、MelGAN、WaveGlow。

上一篇：Genie-TTS

下一篇：VibeVoice-ComfyUI