音频解码器将Mel频谱、离散token或连续潜表征重建为波形，主要通过重构训练建立。声码器（如HiFi-GAN、BigVGAN、Vocos）从声学特征合成波形；离散编解码器（如EnCodec、DAC）联合学习表征与重建；VAE保留连续潜空间。生成模型可复用这些解码器，或经DiT级联生成Mel、潜表征再解码。流式解码通过因果、有限前视与分块满足低时延；针对预测表征微调解码器可提升生成质量。