melgan

把频谱图变成自然语音，实时合成不卡顿

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 113 🐛 待处理 34 👀 关注 25

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 651

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，可自由使用和修改，无付费版本。

项目预览

项目数据

分类音频音乐

开发团队seungwonpark

官网地址http://swpark.me/melgan

GitHubhttps://github.com/seungwonpark/melgan

定价模式🏷️完全免费

价格说明开源项目，BSD-3-Clause许可证，可自由使用和修改，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Python

技术栈/模型gan,neural-vocoder,pytorch,tts

GitHub 星标★ 651

上线时间2019-10-17 00:00:00

代码更新2020-10-03

仓库体积18.0 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

MelGAN 是一个基于生成对抗网络的声码器（vocoder），用于将梅尔频谱图（mel-spectrogram）转换为高质量语音波形。它解决了传统声码器（如 Griffin-Lim）合成语音自然度低、计算开销大的问题，能够实时生成接近自然语音的音频。核心能力包括：非自回归的生成架构，大幅提升合成速度；多尺度判别器设计，增强音频的细节和真实性；支持与 NVIDIA Tacotron2 等文本转语音（TTS）前端模型无缝对接，直接输入 Tacotron2 输出的梅尔频谱即可合成语音。项目提供预训练模型和训练代码，方便研究者复现和定制。MelGAN 在语音合成领域具有重要影响，为后续 GAN 声码器（如 HiFi-GAN）奠定了基础。

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 ★ 651

技术标签

gan pytorch tts

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 180 分钟部署方式：本地GPU 5 步

环境要求

GPU 8G 显存以上
LJSpeech 或自建语音数据
librosa 等音频依赖

安装与启动步骤

1拉代码装依赖

非官方实现，依赖版本按 requirements 来，别自己升级。
```
pip install -r requirements.txt
```
2下语音数据集

官方常用 LJSpeech，单说话人、时长适中，适合先跑通。
3预处理成梅尔谱

训练前要把音频转成梅尔频谱，参数要和模型配置一致。
4训声码器

生成器加判别器联合训，先看能否过拟合一小批数据判断链路是否正确。
5用权重合成语音

拿训好的权重把梅尔谱还原成波形，先听是否清晰再谈自然度。