vocoder
本站收录 33 个带「vocoder」标签的 AI 开源项目
TTS面向文本转语音的深度学习工具包，历经研究与生产环境双重考验。支持多语言、多语音模型，提供丰富的预训练模型与训练接口，既能快速搭建 TTS 服务，也能满足深入探索★ 46,083
PaddleSpeechPaddleSpeech 是百度开源的端到端语音工具包，基于飞桨深度学习框架，提供从语音识别、语音合成到说话人验证、语音翻译、关键词唤醒等全链路能力。它解决了语★ 12,689
AmphionAmphion 是一个面向音频、音乐和语音生成的开源工具包，旨在支持可复现研究，并帮助初级研究者和工程师快速入门。它集成了多种主流模型与算法，涵盖文本到语音（T★ 10,305
TTSMozilla TTS 是一个基于深度学习的文本转语音（TTS）引擎，旨在提供高质量、自然且灵活的语音合成能力。它解决了传统 TTS 系统音质生硬、定制困难的问★ 10,172
Bert-VITS2Bert-VITS2 是一个基于 VITS2 架构、引入多语言 BERT 特征的开源语音合成（TTS）项目。它解决了传统端到端 TTS 模型在多语言、多说话人场★ 8,805
TensorFlowTTSTensorFlowTTS 是一个基于 TensorFlow 2 的实时语音合成工具包，旨在提供最先进的语音合成能力。它解决了从文本到语音（TTS）的完整流程问★ 3,995
hifi-ganHiFi-GAN 是一个基于生成对抗网络的高保真语音合成声码器，由韩国首尔大学团队开发。它解决了传统神经声码器（如 WaveNet）推理速度慢、难以实时部署的问★ 2,372
ParallelWaveGANParallelWaveGAN 是一个基于 PyTorch 的非官方实现，集成了多种主流神经声码器，包括 Parallel WaveGAN、MelGAN、多频带★ 1,646
voicefixerVoiceFixer 是一个基于深度学习的通用语音修复工具，旨在恢复受损的语音信号，使其更清晰、更自然。它能够处理多种类型的语音退化，包括背景噪声、混响、削波（★ 1,381
diffwaveDiffWave 是一个基于扩散概率模型的神经声码器与波形合成器，由 Google Brain 团队提出，用于从梅尔频谱等条件特征高效生成高质量语音波形。它解决★ 886
FastDiffFastDiff 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★ 424
WaveGradWaveGrad 是 Google Brain 提出的高保真语音合成声码器（vocoder）的 PyTorch 非官方实现。它基于扩散概率模型（diffusio★ 408
VocGANVocGAN 是一个基于生成对抗网络（GAN）的高保真实时声码器，专为语音合成和文本转语音（TTS）系统设计。它解决的核心问题是传统声码器（如 WaveNet）★ 322
wavegradWaveGrad 是一个基于分数匹配的快速高质量神经声码器，由 Google Research 提出，用于从梅尔频谱图生成原始音频波形。它解决了传统神经声码器（★ 299
univnetUnivNet是一个基于GAN的神经网络声码器，用于从声学特征（如梅尔频谱）合成高质量语音波形。它由韩国团队提出，论文发表于2021年，本仓库是其非官方PyTo★ 287
iSTFTNet-pytorchiSTFTNet-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★ 281
HiFTNetHiFTNet 是一个基于神经网络的声码器（vocoder），用于将声学特征（如梅尔频谱）快速合成为高质量语音波形。它针对传统神经声码器推理速度慢的问题，提出结★ 260
vietTTSvietTTS 是一个专注于越南语的开源文本转语音（TTS）库，基于深度学习技术构建。它解决了越南语语音合成缺乏高质量开源方案的问题，核心能力包括：使用 Tac★ 258
MSMC-TTSMSMC-TTS 是一个多阶段多码本（Multi-Stage Multi-Codebook）的语音合成（TTS）开源项目，基于深度学习与 GAN 架构，结合 V★ 168
Multi-SingerMulti-Singer 是 ACM MM 2021 论文的官方 PyTorch 实现，专注于歌唱语音合成（Singing Voice Synthesis）。它★ 139
Avocodo-pytorchAvocodo-pytorch 是 Avocodo 声码器的 PyTorch 实现。Avocodo 是一种基于生成对抗网络（GAN）的声码器，旨在从声学特征（如★ 122
Fre-GAN-pytorchFre-GAN-pytorch 是 Fre-GAN 论文的 PyTorch 非官方实现，Fre-GAN 是一种基于对抗生成网络的音频合成声码器，旨在解决传统声码★ 113
DiffWave-VocoderDiffWave-Vocoder 是一个基于 PyTorch 的 DiffWave 声码器非官方复现项目。DiffWave 是一种高质量的神经声码器，采用扩散概★ 90
LVCNetLVCNet 是一个面向语音合成（TTS）场景的高效声码器（vocoder），由韩国团队在 ICASSP 2021 提出。它解决的是自回归声码器（如 WaveN★ 80
magphaseMagPhase 是一个基于 Python 的开源声码器，用于语音分析与合成，主要面向文本转语音（TTS）及相关应用。它解决了传统声码器在语音自然度和计算效率之★ 80
cnn_vocodercnn_vocoder 是一个基于卷积神经网络（CNN）的快速声码器（vocoder）开源项目，用 Python 实现。声码器是语音合成和音频生成中的关键组件，★ 78
UnivNet-pytorchUnivNet-pytorch 是 UnivNet 神经声码器的非官方 PyTorch 实现。UnivNet 是一种用于高保真波形生成的神经声码器，通过多分辨率★ 76
WG-WaveNetWG-WaveNet 是一个基于 Python 的实时高质量语音合成项目，其核心卖点是在没有 GPU 的条件下实现高保真语音生成。它通过改进 WaveNet 的★ 73
LPC_for_TTSLPC_for_TTS 是一个基于 Python 的线性预测系数（LPC）估计工具，专为语音合成（TTS）场景设计。它从梅尔频谱图中提取 LPC 系数，采用 L★ 72
AutoVocoderAutoVocoder 是一个基于可微数字信号处理（DDSP）的语音波形快速生成工具。它从学习到的语音表示（如音高、响度等）出发，通过可微分的声码器直接合成高质★ 71
coqui_tts_korea这是一个基于 Coqui TTS 的韩语语音合成项目，使用 GlowTTS 和 Multiband MelGAN 模型实现高质量的韩语文本转语音。项目主要解决韩★ 66
FFTNetFFTNet 是一个基于 FFT 的实时、说话人相关的神经声码器，用于语音合成（TTS）系统中的波形生成。它解决了传统声码器（如 WaveNet）推理速度慢、难★ 64
melganMelGAN 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★ 63