waveglow 是音频音乐领域的开源项目，由 npuichigo 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 205。
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 2025-02-26。Apache-2.0许可证，可自由使用和修改，无付费版本。
它主要面向的使用场景是：实时语音助手和交互式对话系统。同类可对比的替代方案包括 HiFi-GAN、MelGAN、Parallel WaveGAN。
waveglow
用流模型快速生成高质量语音波形，让 TTS 更流畅。
WaveGlow 是一个基于流的生成式神经网络，用于语音合成中的声码器环节，能将梅尔频谱图高效转换为高质量音频波形。它由 NVIDIA 提出，结合了 Glow 和 WaveNet 的优势，通过可逆流实现快速、高质量的语音生成。该 PyTorch 实现提供了完整的训练和推理代码，支持自定义数据集训练，并包含预训练模型权重。核心能力包括：可逆网络结构保证生成速度，单阶段训练简化流程，以及高质量的音频输出。它解决了传统声码器（如 WaveNet）生成速度慢、训练复杂的问题，适用于实时语音合成系统。项目代码结构清晰，易于扩展和集成到 TTS 流水线中。
开源
free
音频音乐
GitHub 星标
★ 205
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npuichigo
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可证，可自由使用和修改，无付费版本。
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neural-vocoder,text-to-speech,waveglow
GitHub 星标★ 205
30天Star增速
HF 下载量
上线时间2018-11-04 00:00:00
最近更新2025-02-26 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3
使用教程
核心亮点
- 生成速度快，比 WaveNet 快数个数量级，适合实时合成
- 单阶段训练，无需单独训练时长模型，流程简化
- 音频质量高，接近 WaveNet 水平，自然度好
不足之处
- 训练资源消耗大，需要多 GPU 和大量数据
- 模型体积较大，部署到边缘设备有挑战
- 文档和社区支持相对有限，需自行调试
适用场景
- 实时语音助手和交互式对话系统
- 低延迟的语音合成服务
- 学术研究中的声码器对比与改进
替代项目
HiFi-GAN、MelGAN、Parallel WaveGAN
项目介绍
上一篇：Tacotron-pytorch
下一篇：openai_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···