cnn_vocoder 是音频音乐领域的开源项目，由 tuan3w 开发，2018 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 78。
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 2024-01-04。MIT许可证，可免费使用和修改，无付费版本。
它主要面向的使用场景是：实时语音合成系统。同类可对比的替代方案包括 WaveNet、LPCNet、Parallel WaveGAN。
cnn_vocoder
用CNN快速生成语音波形，比传统声码器更快
cnn_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，负责将声学特征（如梅尔频谱）转换为可听的波形。该项目旨在提供比传统声码器（如 WaveNet、LPCNet）更快的推理速度，同时保持较高的音频质量。它通过 CNN 架构并行处理音频帧，显著降低生成延迟，适合实时或近实时的语音合成场景。项目代码结构清晰，提供了训练和推理脚本，支持自定义数据集。目前处于早期阶段，星标数不高，但为音频合成领域的研究者和开发者提供了一个轻量级、高效的替代方案。核心能力包括：基于 CNN 的快速波形生成、支持多种声学特征输入、可训练和可扩展的模型架构。
开源
free
音频音乐
GitHub 星标
★ 78
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tuan3w
所属国家
定价模式free
价格说明开源项目，MIT许可证，可免费使用和修改，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型pytorch,speech-synthesis,tts,vocoder
GitHub 星标★ 78
30天Star增速
HF 下载量
上线时间2018-09-22 00:00:00
最近更新2024-01-04 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
- 推理速度快，适合实时语音合成场景
- 代码简洁，基于Python和PyTorch，易于上手和修改
- 提供训练和推理脚本，支持自定义数据集
不足之处
- 文档/社区待观察
- 音频质量可能不如WaveNet等成熟模型
适用场景
- 实时语音合成系统
- 文本转语音（TTS）后端
- 音频风格转换或效果器
替代项目
WaveNet、LPCNet、Parallel WaveGAN
项目介绍
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···