diffwave

用扩散模型快速生成高保真语音波形，让 TTS 更自然高效。

DiffWave 是一个基于扩散概率模型的神经声码器与波形合成器，由 Google Brain 团队提出，用于从梅尔频谱等条件特征高效生成高质量语音波形。它解决了传统神经声码器（如 WaveNet）生成速度慢、训练复杂的问题，通过非自回归的扩散生成过程，在保持高音质的同时实现快速并行合成。核心能力包括：支持无条件与条件波形生成，适用于文本转语音（TTS）的声码器环节；提供预训练模型，可快速集成到语音合成流程中；采用 Pytorch 实现，代码结构清晰，便于研究二次开发。DiffWave 在语音合成领域具有里程碑意义，为后续扩散模型在音频生成中的应用奠定了基础。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 886

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lmnt-com

所属国家

官网地址

GitHubhttps://github.com/lmnt-com/diffwave

定价模式free

价格说明开源项目，Apache-2.0许可证，可免费使用和修改，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型deep-learning,diffwave,machine-learning,neural-network,paper,pretrained-models,pytorch,speech,speech-synthesis,text-to-speech,tts,vocoder

GitHub 星标★ 886

30天Star增速

HF 下载量

上线时间2020-09-23 00:00:00

最近更新2026-09-23 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

核心亮点

非自回归扩散架构，生成速度远超 WaveNet 等自回归模型
音质接近甚至超越主流神经声码器，且训练稳定
提供预训练模型与清晰 PyTorch 实现，易于复现和集成

不足之处

推理速度虽快但实时性仍受限于迭代步数，需权衡音质
文档/社区待观察

适用场景

文本转语音系统中的声码器环节
语音克隆与声音转换的波形生成
音频生成研究中的扩散模型基线

替代项目

WaveNet、HiFi-GAN、MelGAN

项目介绍

diffwave 是音频音乐领域的开源项目，由 lmnt-com 开发，2020 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（886）位列前 30%，在音频音乐分类中处于中上游。

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 2026-09-23。Apache-2.0许可证，可免费使用和修改，无付费版本。

它主要面向的使用场景是：文本转语音系统中的声码器环节。同类可对比的替代方案包括 WaveNet、HiFi-GAN、MelGAN。

上一篇：NaturalVoiceSAPIAdapter

下一篇：bark.cpp