本文综述基于GAN的音频合成研究：利用神经合成器实时生成任意乐器音频，并通过声谱图与GAN反演转换为波形；在频谱域建模幅度和瞬时频率可提升合成表现；WaveGAN首次实现无监督原始波形合成；HiFi-GAN实现高保真且高效的合成；SingGAN实现高保真歌声合成；CARGAN兼顾速度与质量，适合实时交互应用。