DiffSinger

用扩散模型精修歌声合成，让非自回归 TTS 音质更自然

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 33 🐛 待处理 5 👀 关注 4
GitHub ↗
GitHub 星标 ★ 247
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

DiffSinger 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类音频音乐
开发团队keonlee9420
GitHubhttps://github.com/keonlee9420/DiffSinger
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ddpm,diffsinger,diffusion,diffusion-models,english,fastspeech,neural-tts,non-autoregressive,pytorch,singing-voice,speech-synthesis,text-to-speech,tts
GitHub 星标★ 247
上线时间2021-06-03 00:00:00
代码更新2022-02-03
仓库体积136.2 MB
本站数据更新2026-11-08
维护状态低维护
收录时间2026-08-09
浏览次数6

项目介绍

DiffSinger 是一个基于 PyTorch 的开源歌声合成（Singing Voice Synthesis）项目，核心思想是将浅层扩散机制（Shallow Diffusion Mechanism）应用于语音合成，以提升生成音频的自然度和表现力。该项目主要聚焦于 DiffSpeech 部分，即利用扩散模型对 FastSpeech 等非自回归模型生成的中间表征进行精炼，从而在保持非自回归合成速度的同时，获得更高质量的声学特征。DiffSinger 支持英文和中文，提供了完整的训练和推理流程，包括数据预处理、模型训练、声码器对接等。它解决了传统非自回归 TTS 在韵律和音质上的不足，尤其适用于歌声这种对音高、时长和情感要求更高的场景。项目代码结构清晰，基于流行的深度学习框架，适合研究者和开发者进行二次开发和实验。

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 ★ 247

核心亮点

  • 首次将浅层扩散机制引入歌声合成，显著提升音质和韵律自然度
  • 基于 FastSpeech 非自回归架构，合成速度快，适合实时应用
  • 代码实现完整，包含数据预处理、训练和推理脚本，易于复现

不足之处

  • 项目处于早期阶段，文档和社区支持相对薄弱
  • 依赖特定声码器，集成其他声码器需要额外适配

适用场景

  • 歌声合成研究与开发，用于生成自然歌唱音频
  • 非自回归 TTS 系统的音质增强模块
  • 学术实验，探索扩散模型在语音领域的应用

替代项目

DiffSinger (官方更新版)、FastSpeech 2、HifiSinger

上一篇：ng2-pdfjs-viewer

下一篇：nonparaSeq2seqVC_code

同类项目推荐

index-tts 开源

上传几秒语音，立刻克隆你的声音，随便说哪种语言都行

An Industrial-Level Controllable and Efficient Zero-Shot Text-To-Speech System

★ 24993 2026-08-09
tts-now 开源

一键将文字转为自然语音，支持批量处理，跨平台免费开源

跨平台基于云平台(阿里云、讯飞等)语音合成 API 的文字转语音助手。支持单文本快速合成和批···

★ 370 2026-08-09
silero-stress 开源

给俄语文本自动标重音，让TTS发音更准

Silero Stress — pre-trained enterprise-grade automated stress and homograph disambi···

★ 168 2026-08-09
detail_tts 开源

一个框架搞定多种TTS生成模型，快速对比实验

All generative model in one for better TTS model

★ 74 2026-08-09
TextToTalk 开源

游戏聊天自动朗读，解放双眼，不错过任何重要信息。

Chat TTS plugin for Dalamud. Has support for triggers/exclusions, several TTS provid···

★ 76 2026-08-09
melgan 开源

用GAN声码器把梅尔频谱快速变成逼真语音

MelGAN implementation with Multi-Band and Full Band supports...

★ 63 2026-08-09
indonesian-tts 开源

用印尼语文本一键生成语音，快速集成到你的应用

Indonesian TTS (text-to-speech) using Coqui TTS

★ 93 2026-08-09
voxtream 开源

实时流式语音克隆，边听边合成，语速随心控

VoXtream is a Full-Stream Zero-shot TTS model with Extremely Low Latency and Speakin···

★ 259 2026-08-09
Multilingual_Text_to_Speech 开源

一个模型搞定多语言混合语音合成，还能克隆声音

An implementation of Tacotron 2 that supports multilingual experiments with paramete···

★ 843 2026-08-09