diffwave

用扩散模型快速生成高保真语音波形，让 TTS 更自然高效。

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 131 🐛 待处理 14 👀 关注 18

GitHub ↗

GitHub 星标 ★ 889

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，Apache-2.0许可证，可免费使用和修改，无付费版本。

项目预览

项目数据

分类音频音乐

开发团队lmnt-com

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

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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★ 889

上线时间2020-09-23 00:00:00

代码更新2024-03-26

仓库体积21 KB

本站数据更新2026-11-07

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

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。

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 ★ 889

技术标签

deep-learning machine-learning neural-network paper pretrained-models

使用教程

难度：进阶约 30 分钟部署方式：本地 GPU 4 步

环境要求

Python 3.8+
GPU（训练建议有）

安装与启动步骤

1装包

DiffWave 是语音合成的扩散模型实现，pip 装完即可调用。
```
pip install diffwave
```
2预处理音频

先把 wav 目录统一采样率并切成短片段，产出训练用的 numpy 缓存。
```
python -m diffwave.preprocess /path/to/dir/containing/wavs
```
3训练

给模型目录与音频目录即可开训，单卡也能跑，慢但可用。
```
python -m diffwave /path/to/model/dir /path/to/dir/containing/wavs
```
4快速推理

用预训练模型对梅尔谱反演波形，--fast 采样步数更少。
```
python -m diffwave.inference --fast /path/to/model /path/to/spectrogram -o output.wav
```