melgan 是音频音乐领域的开源项目，由 rishikksh20 开发，2019 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 63。
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 2026-07-06。BSD-3-Clause许可证，可自由使用和部署，无付费版本。
它主要面向的使用场景是：文本转语音系统中的声码器环节。同类可对比的替代方案包括 Parallel WaveGAN、HiFi-GAN、WaveGlow。
melgan
用GAN声码器把梅尔频谱快速变成逼真语音
MelGAN 是一个基于 GAN 的语音合成声码器（vocoder）实现，支持多频带（Multi-Band）和全频带（Full Band）两种模式。它解决的是文本转语音（TTS）系统中从声学特征（如梅尔频谱）还原出高质量原始音频波形的问题。核心能力包括：提供 MelGAN 和 MelGAN-STFT 两种变体，后者通过引入 STFT 损失提升音频质量和训练稳定性；支持多频带生成，将全频带音频分解为多个子带并行生成，再合成全频带，显著提高推理速度；代码基于 Jupyter Notebook 实现，便于研究和实验。该项目适合用于语音合成、音频生成等场景，尤其适合需要快速、高质量声码器的研究者。
开源
free
音频音乐
GitHub 星标
★ 63
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rishikksh20
所属国家
定价模式free
价格说明开源项目，BSD-3-Clause许可证，可自由使用和部署，无付费版本。
访问状态
是否开源是
开源协议BSD-3-Clause
主要语言Jupyter Notebook
技术栈/模型full-band-melgan,melgan,melgan-stft,multi-band-melgan,speech,speech-synthesis,text-to-speech,vocoder
GitHub 星标★ 63
30天Star增速
HF 下载量
上线时间2019-10-25 00:00:00
最近更新2026-07-06 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
- 支持多频带并行生成，推理速度快，适合实时TTS
- 提供MelGAN-STFT变体，用STFT损失提升音频保真度
- 代码结构清晰，基于Notebook易于上手和复现实验
不足之处
- 文档/社区待观察
- 项目早期，星标少，可能缺乏持续维护和扩展
适用场景
- 文本转语音系统中的声码器环节
- 语音合成研究中的波形生成实验
- 需要低延迟音频生成的交互式应用
替代项目
Parallel WaveGAN、HiFi-GAN、WaveGlow
项目介绍
上一篇：out-loud
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···