FastDiff 是音频音乐领域的开源项目，由 Rongjiehuang 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 424。
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 2026-07-28。免费使用，需自行部署。
它主要面向的使用场景是：TTS系统中的声码器模块，用于生成最终语音波形。同类可对比的替代方案包括 HiFi-GAN、WaveGlow、DiffWave。
FastDiff
让扩散声码器实时生成高质量语音，告别慢速合成。
FastDiff 是一个基于 PyTorch 实现的快速音频生成模型，源自 IJCAI 2022 论文。它属于神经声码器（neural vocoder）类别，主要用于语音合成和文本转语音（TTS）系统中的高质量音频波形生成。FastDiff 的核心创新在于提出了一种高效的扩散模型架构，通过引入时间相关的频率谱编码和跨模态注意力机制，显著降低了扩散模型在音频生成中的推理延迟，同时保持了与主流声码器相当的音频质量。它解决了传统扩散模型生成速度慢、难以实时应用的问题，使得扩散模型在语音合成领域从研究走向实用成为可能。项目提供了完整的训练和推理代码，支持自定义数据集，并针对多说话人场景进行了优化。
开源
free
音频音乐
GitHub 星标
★ 424
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Rongjiehuang
所属国家
定价模式free
价格说明开源项目，免费使用，需自行部署。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型ijcai2022,neural-vocoder,speech-synthesis,text-to-speech,vocoder
GitHub 星标★ 424
30天Star增速
HF 下载量
上线时间2022-01-17 00:00:00
最近更新2026-07-28 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
- 推理速度比传统扩散声码器快数倍，接近实时，适合部署
- 音频质量高，在主观评测中与 HiFi-GAN 等主流声码器相当
- 代码结构清晰，基于 PyTorch，易于复现和二次开发
不足之处
- 训练资源消耗较大，需要高性能 GPU
- 文档/社区待观察，项目维护活跃度一般
适用场景
- TTS 系统中的声码器模块，用于生成最终语音波形
- 语音合成研究，探索扩散模型在音频生成中的应用
- 需要低延迟语音合成的实时交互场景
替代项目
HiFi-GAN、WaveGlow、DiffWave
项目介绍
上一篇：ProDiff
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···