用 iSTFT 加速声码器，轻量快速合成高质量语音
iSTFTNet-pytorch 是一个轻量级、快速的声码器（vocoder）实现，基于逆短时傅里叶变换（iSTFT）来加速 Mel 频谱图到波形的合成。它解决了传统神经声码器（如 WaveNet、HiFi-GAN）计算量大、推理慢的问题，通过将部分频谱合成任务从神经网络转移到高效的 iSTFT 数学运算，大幅减少模型参数和计算复杂度，同时保持接近 HiFi-GAN 的音频质量。该项目提供 PyTorch 实现，支持训练和推理，适用于语音合成（TTS）和歌声合成等场景。核心能力包括：高效的波形生成、轻量模型设计、与主流 TTS 前端集成。
HiFi-GAN、WaveGlow、MelGAN
iSTFTNet-pytorch 是音频音乐领域的开源项目，由 rishikksh20 开发，2022 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 281。
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 2026-08-06。Apache-2.0许可证，可免费使用和修改，无在线服务或付费版本。
它主要面向的使用场景是：实时语音合成系统（如虚拟助手、游戏NPC）。同类可对比的替代方案包括 HiFi-GAN、WaveGlow、MelGAN。
上一篇：podcast-llm
下一篇：SummerTTS
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···
