LVCNet

用位置可变卷积，让语音合成又快又自然

LVCNet 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 WaveNet）生成速度慢、难以实用的问题，同时保持高保真波形质量。核心创新是位置可变卷积（Location-Variable Convolution, LVC），通过条件网络动态生成卷积核，使模型能根据输入声学特征（如梅尔谱）灵活建模局部波形细节，相比固定卷积更能捕捉时变特征。LVCNet 采用非自回归的并行生成架构，推理速度大幅提升，在保持与 Parallel WaveGAN 相当音质的同时，生成效率更高。项目提供完整的训练和推理代码，支持 MelGlow、Parallel WaveGAN 等特征提取前端，适合研究者和工程师用于构建实时语音合成系统。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 80

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zceng

所属国家

官网地址

GitHubhttps://github.com/zceng/LVCNet

定价模式free

价格说明开源项目，Apache-2.0许可证，可自由使用和修改，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型icassp2021,location-variable-convolution,lvcnet,melglow,parallel-wavegan,speech-synthesis,text-to-speech,tts,vocoder,waveform-generation,wavegan

GitHub 星标★ 80

30天Star增速

HF 下载量

上线时间2020-10-21 00:00:00

最近更新2024-12-10 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8

使用教程

核心亮点

提出位置可变卷积（LVC），动态生成卷积核，比固定卷积更贴合语音时变特性，音质有保障
非自回归并行生成，推理速度远超 WaveNet 等自回归模型，适合实时应用
代码结构清晰，基于 PyTorch 实现，训练和推理脚本齐全，便于复现和二次开发

不足之处

项目文档较简略，缺少详细的使用指南和参数说明，上手门槛偏高
依赖特定预处理流程（如 MelGlow），与主流 TTS 前端集成需额外适配

适用场景

实时语音合成系统，如智能助手、有声读物生成
低延迟语音转换或配音工具
学术研究中作为高效声码器基线对比

替代项目

Parallel WaveGAN、HiFi-GAN、WaveGlow

项目介绍

LVCNet 是音频音乐领域的开源项目，由 zceng 开发，2020 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 80。

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 2024-12-10。Apache-2.0许可证，可自由使用和修改，无付费版本。

它主要面向的使用场景是：实时语音合成系统，如智能助手、有声读物生成。同类可对比的替代方案包括 Parallel WaveGAN、HiFi-GAN、WaveGlow。

上一篇：cosyvoice-docker

下一篇：tts-edge-java