melgan

用GAN声码器把梅尔频谱快速变成逼真语音

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 17 🐛 待处理 3 👀 关注 2
GitHub ↗
GitHub 星标 ★ 63
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，可自由使用和部署，无付费版本。

项目预览

melgan 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rishikksh20
GitHubhttps://github.com/rishikksh20/melgan
定价模式🏷️完全免费
价格说明开源项目，BSD-3-Clause许可证，可自由使用和部署，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full-band-melgan,melgan,melgan-stft,multi-band-melgan,speech,speech-synthesis,text-to-speech,vocoder
GitHub 星标★ 63
上线时间2019-10-25 00:00:00
代码更新2020-08-27
仓库体积742 KB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

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。

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 ★ 63

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

上一篇：out-loud

下一篇：ComfyUI-Step_Audio_EditX_TTS

同类项目推荐

capcut-tts-api 开源

Python 封装语音合成与转写，快速接入 TTS/STT

capcut api tts & stt

★ 316 2026-10-25
edge-TTS-record 开源

一键录制 Edge 朗读语音，秒存 WAV 音频

一个可以录制 Microsoft Edge 浏览器的语音合成（TTS）语音并输出为 .wav 音频的（windows···

★ 1366 2026-08-09
vall-e 开源

三秒语音样本，即刻克隆音色，零样本语音合成

An unofficial PyTorch implementation of the audio LM VALL-E

★ 2967 2026-08-09
VoxCPM 开源

给 AI 一句描述，就能捏出从没听过的全新嗓音

VoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Desig···

★ 42185 2026-08-09
M3-TTS 开源

零样本合成高保真语音，多模态对齐+流匹配

Pytorch Implementation of the paper "M3-TTS: Multi-modal DiT Alignment & Mel-latent ···

★ 121 2026-08-09
sea-g2p 开源

快速搞定印尼语、泰语、越南语文本转音素，助力 TTS 更地道。

Fast multilingual text-to-phoneme converter for South East Asian languages.

★ 119 2026-08-09
Tacotron2 开源

从文本直接生成自然语音的经典端到端 TTS 实现

A PyTorch implementation of Tacotron2, an end-to-end text-to-speech(TTS) system desc···

★ 52 2026-08-09
chatterbox 开源

开源高自然度语音合成，输入文字出拟人配音

SoTA open-source TTS

★ 27731 2026-11-08
AdaSpeech 开源

用少量样本快速定制专属语音合成模型

AdaSpeech: Adaptive Text to Speech for Custom Voice

★ 162 2026-08-09