wavegrad2

用扩散模型直接生成高保真语音波形,一步到位

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 16 🐛 待处理 1 👀 关注 8
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 111
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,BSD-3-Clause许可证,可自由使用,无付费版本。

项目预览

wavegrad2 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maum-ai
定价模式🏷️完全免费
价格说明开源项目,BSD-3-Clause许可证,可自由使用,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BSD-3-Clause
主要语言Jupyter Notebook
技术栈/模型deep-generative-model,deep-learning,end-to-end,speech-synthesis,text-to-speech,tts
GitHub 星标★ 111
上线时间2021-07-09 00:00:00
代码更新2021-08-18
仓库体积13.8 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数3

项目介绍

WaveGrad2 是一个非官方的 PyTorch 实现,基于 Google 提出的 WaveGrad 2 模型,用于高质量语音合成。它解决的是文本到语音(TTS)中生成自然、流畅音频的问题,核心能力在于通过条件生成模型和扩散概率框架,从文本或声学特征直接生成原始波形,无需额外的声码器。项目提供了端到端的训练和推理流程,支持自定义数据集,并包含预训练模型权重。其技术栈涵盖深度学习、生成模型和语音合成,适合研究者和开发者用于探索新一代 TTS 系统。目前项目处于早期阶段,代码结构清晰,但文档和社区支持尚待完善。

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 ★ 111

核心亮点

  • 基于扩散模型,生成音频质量高,接近真实人声
  • 端到端设计,省去传统声码器,简化 TTS 流程
  • 代码结构清晰,易于二次开发和实验

不足之处

  • 非官方实现,可能与原论文存在细节差异
  • 文档和社区支持待观察,上手难度较高

适用场景

  • 研究扩散模型在语音合成中的应用
  • 构建低延迟、高质量的 TTS 系统原型
  • 作为声码器替代方案集成到现有 TTS 流水线

替代项目

WaveGrad、DiffWave、WaveGAN

上一篇:ZeroSpeech-TTS-without-T

下一篇:tts

同类项目推荐

zai-tts 开源

把智谱 TTS 变成 OpenAI 接口,免费克隆音色,无缝切换

️ ZAI/GLM TTS to OpenAI Speech API, 免费的语音合成API,支持克隆音色,基于智谱TTS

★ 194 2026-08-09
wyoming-piper 开源

把 Piper 接入 Home Assistant,本地离线合成语音

Wyoming protocol server for Piper text to speech system

★ 220 2026-10-01
fish-audio-hermes 开源

让 Hermes Agent 开口说话、听懂人话,还能克隆你的声音

Official Fish Audio plugin for Hermes Agent: expressive text-to-speech, speech-to-te···

★ 68 2026-10-14
1SHOT 开源

一个机器人搞定 Discord 音乐、游戏和管理

All my works - https://github.com/FirezTheGreat (latest music commands/djs v14/es6 m···

★ 83 2026-08-09
dectalk 开源

让 90 年代经典 DECtalk 语音在现代电脑上重新发声

Modern builds for the 90s/00s DECtalk text-to-speech application.

★ 474 2026-08-09
facet 开源

用代码实时生成图像和音乐,浏览器即兴创作

Live coding and synthesis with NodeJS and a browser

★ 111 2026-08-09
Neural-HMM 开源

用神经HMM替代注意力,实现稳定高质量的语音合成

Neural HMMs are all you need (for high-quality attention-free TTS)

★ 164 2026-08-09