用 PyTorch 从零训练 GAN 直接生成原始音频波形
WaveGAN-pytorch 是论文《Synthesizing Audio with Generative Adversarial Networks》的 PyTorch 非官方实现，旨在用 GAN 直接从原始波形生成音频。它解决了传统音频生成依赖频谱特征或手工特征、难以端到端学习的问题，提供了一套完整的训练和生成流程。核心能力包括：基于 DCGAN 架构改造的一维卷积生成器和判别器，支持不同采样率和音频长度；提供训练脚本、数据预处理（如加载 WAV 文件并切片）以及生成样本的保存功能；代码结构清晰，便于研究者复现论文实验或在此基础上进行二次开发。项目处于早期阶段，星标数不高，但为音频 GAN 研究提供了一个轻量级起点。
WaveGAN (TensorFlow 官方实现)、melgan、HiFi-GAN
WaveGAN-pytorch 是音频音乐领域的开源项目，由 mazzzystar 开发，2018 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 66。
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 2026-08-11。完全免费，需自行部署使用。
它主要面向的使用场景是：学术研究：复现论文实验，探索GAN在音频生成中的表现。同类可对比的替代方案包括 WaveGAN (TensorFlow 官方实现)、melgan、HiFi-GAN。
下一篇：midi-emotion
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···
