歌声合成声码器是将梅尔频谱、基频等声学特征转化为歌声的一种算法,是语音合成声码器在歌声领域的技术延伸,是歌声合成系统不可或缺的重要组成部分。近年来,深度学习算法逐渐在语音场景下得到应用,各种神经网络模型的声码器得以提出,使得语音合成领域得以快速发展。但是以歌声合成为主体的声码器研究相对较少,且现有的声码器技术依然存在合成效果不佳或合成实时率无法达到要求的情况。这些问题都严重制约了歌声合成技术的发展与实际工业应用。本文以多说话人歌声数据集为研究主题,设计了 一种通用的基于生成对抗网络的多判别歌声合成声码器。主要研究工作包含三个方面:（1）研究现有生成对抗网络声码器Me1GAN和Parallel WaveGAN在多说话人歌声数据集上的效果表现,分析了现有生成对抗网络声码器存在的问题并尝试了一些改进方案;（2）针对存在的问题,本文设计了基于生成对抗网络的多判别歌声合成声码器,该声码器输入引入了由基频构建的激励源,并设计了多窗口多频带判别器,以保证生成歌声频带重建的准确性;（3）分析多判别歌声合成声码器依然存在的问题,进行优化,重新设计膨胀卷积层并构建了自适应特征学习模块AFL,最终验证评估该声码器的合成效果与合成的实时率。通过上述研究,本文设计的基于生成对抗网络的多判别歌声合成声码器,在多说话人歌声数据集上合成的歌声效果MOS评分达到了 4.0,同时在2.6GHz的CPU上进行运行测试,实现实时率RTF<0.7,基本达到工业应用要求,已进行商业应用。