univnet 是音频音乐领域的开源项目，由 maum-ai 开发，2021 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 287。
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 2026-09-21。BSD-3-Clause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：构建TTS系统，将文本转为自然语音。同类可对比的替代方案包括 HiFi-GAN、MelGAN、WaveGlow。
univnet
用GAN声码器，实时合成高质量语音波形
UnivNet是一个基于GAN的神经网络声码器，用于从声学特征（如梅尔频谱）合成高质量语音波形。它由韩国团队提出，论文发表于2021年，本仓库是其非官方PyTorch实现。UnivNet的核心创新在于引入了多分辨率频谱判别器，能够同时捕捉语音的时域和频域细节，从而在实时合成速度下生成接近自然人类语音的音频。该实现解决了传统声码器（如WaveNet）推理速度慢、或Griffin-Lim算法音质粗糙的问题，为TTS（文本转语音）系统提供了高效的波形生成后端。项目包含模型训练、推理脚本及预训练权重，支持自定义数据集训练，适合研究者和开发者用于语音合成实验或集成到TTS流水线中。
开源
free
音频音乐
GitHub 星标
★ 287
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maum-ai
所属国家
定价模式free
价格说明开源项目，BSD-3-Clause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BSD-3-Clause
主要语言Python
技术栈/模型deep-learning,gan,pytorch,speech-synthesis,text-to-speech,tts,vocoder
GitHub 星标★ 287
30天Star增速
HF 下载量
上线时间2021-08-02 00:00:00
最近更新2026-09-21 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
- 基于GAN架构，生成语音自然度高，音质优于传统声码器
- 支持实时推理，满足低延迟TTS场景需求
- 提供完整训练和推理代码，便于二次开发
不足之处
- 非官方实现，与原始论文可能存在细微差异
- 文档和社区支持相对有限，上手需一定深度学习基础
适用场景
- 构建TTS系统，将文本转为自然语音
- 语音合成研究，对比不同声码器效果
- 实时语音交互应用，如虚拟助手
替代项目
HiFi-GAN、MelGAN、WaveGlow
项目介绍
上一篇：google-tts
下一篇：LocalText2Voice
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···