wavegrad 是音频音乐领域的开源项目，由 lmnt-com 开发，2020 年首次发布。
它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 299。
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 2026-07-10。Apache-2.0许可，完全免费，可自行部署使用。
它主要面向的使用场景是：实时语音合成系统（如智能助手、配音）。同类可对比的替代方案包括 HiFi-GAN、MelGAN、Parallel WaveGAN。
wavegrad
几步生成高保真语音，比 WaveNet 快几十倍
WaveGrad 是一个基于分数匹配的快速高质量神经声码器，由 Google Research 提出，用于从梅尔频谱图生成原始音频波形。它解决了传统神经声码器（如 WaveNet）推理速度慢、难以实时应用的问题，通过迭代式梯度修正（gradient-based refinement）在少量步数内生成高保真语音。其核心能力包括：支持 6 步快速生成、音质接近 WaveNet、模型结构简洁（基于 U-Net 和条件卷积）、提供预训练模型和推理代码。项目代码基于 PyTorch，适合语音合成（TTS）和音频生成研究。
开源
free
音频音乐
GitHub 星标
★ 299
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
定价模式free
价格说明开源项目，Apache-2.0许可，完全免费，可自行部署使用。
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,machine-learning,neural-network,paper,pretrained-models,pytorch,speech,speech-synthesis,text-to-speech,tts,vocoder,wavegrad
GitHub 星标★ 299
30天Star增速
HF 下载量
上线时间2020-09-16 00:00:00
最近更新2026-07-10 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4
使用教程
核心亮点
- 推理速度快，仅需 6 步即可生成高质量音频，适合实时应用
- 音质接近 WaveNet，但参数量和计算量更小
- 代码结构清晰，提供预训练模型，易于复现和集成
不足之处
- 训练过程依赖大规模语音数据，资源消耗较高
- 文档/社区待观察
适用场景
- 实时语音合成系统（如智能助手、配音）
- 低延迟 TTS 引擎的声码器模块
- 学术研究中作为高效声码器基线
替代项目
HiFi-GAN、MelGAN、Parallel WaveGAN
项目介绍
上一篇：LLMVoX
下一篇：google-tts
同类项目推荐
tango
开源
输入一句话，自动生成匹配的音频内容
A family of diffusion models for text-to-audio generation.
AuK
开源
一个模型搞定语音生成、编辑与分离
AuK: An Open-Source Foundational Model for Speech Generation and Editing
swift-tts
开源
Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine
A straightforward package containing version for Swift modern concurrency, Point-Fre···
ai-dj
开源
现场演出中实时用 AI 生成音乐，保持人类掌控
AI music generation for live performance - Standalone (Ableton Link) + VST3/AU. 8 tr···