音频音乐

podcast-llm 开源

输入一个标题，自动生成完整AI播客音频

podcast-llm 是一个能从零开始自动生成 AI 播客的开源工具，用户只需提供一个节目主题，它就能自动···

obsidian-edge-tts 开源

在 Obsidian 里一键朗读笔记，免费高音质，解放双眼

obsidian-edge-tts 是一个 Obsidian 插件，利用微软 Edge 浏览器的朗读 API，为笔记提供免费且高质···

f5-tts-swift 开源

在苹果设备上本地运行高质量语音合成，无需联网

f5-tts-swift 是一个用 Swift 语言实现的 F5-TTS 文本转语音库，基于 MLX 框架构建，专为 Apple 生···

f5-tts-mlx 开源

在 Mac 上本地跑 F5-TTS，零样本克隆语音

f5-tts-mlx 是 F5-TTS 模型在 Apple MLX 框架上的实现，旨在让 TTS 模型在 Apple Silicon 芯片上高···

readest 开源

一套代码，全平台畅读，让电子书体验媲美原生应用。

Readest 是一款现代、功能丰富的跨平台电子书阅读器，专为深度阅读爱好者打造。它解决了传统阅读器···

openai-edge-tts 开源

免费替代 OpenAI TTS，一键部署，秒变语音合成 API

openai-edge-tts 是一个免费、高质量的文本转语音（TTS）API 端点，旨在作为 OpenAI、Azure 或 Ele···

edge-tts 开源

无需密钥，几行代码调用微软 Edge 免费语音合成

edge-tts 是一个基于 TypeScript 的 Node.js/Bun 库，让你无需安装 Microsoft Edge、Windows 系统或···

Awesome-Music-Generation 开源

一站式找全音乐生成模型，从旋律到歌曲不迷路

Awesome-Music-Generation 是一个聚焦音乐生成模型（MG²）的资源合集，收录了基于扩散模型、大语言···

fish-audio-python 开源

几行代码接入 Fish Audio，快速实现文本转语音和声音克隆。

fish-audio-python 是 Fish Audio 官方推出的 Python 库，用于快速接入其文本转语音（TTS）和语音克···

voc2vec 开源

让机器听懂笑声哭声，解锁非语言声音的语义

voc2vec 是一个针对非语言发声（如笑声、哭泣、叹息等）的基础模型，论文发表于 ICASSP 2025。它解···

SoCodec 开源

极低码率语音压缩，为语音语言模型提供高质量离散表示

SoCodec 是一个面向语音语言建模应用的低码率语音编解码器，基于 Python 实现。它解决了传统语音编···

piper-rs 开源

在 Rust 中离线合成语音，轻松集成 Piper 模型。

piper-rs 是一个用 Rust 编写的 Piper 文本转语音（TTS）模型推理库。它解决了在 Rust 生态中缺少高···

WavTokenizer 开源

每秒40个token，让音频语言建模又快又准

WavTokenizer 是一个先进的离散声学编解码器模型，专为音频语言建模设计，在 ICLR 2025 发表。它解···

ebook2audiobookpiper-tts 开源

一键把电子书变成有声书，支持多语言，Docker 部署即用

ebook2audiobookpiper-tts 是一个将电子书转换为有声书的开源工具，核心基于 Piper TTS 引擎，支持···

MeloTTS.cpp 开源

纯 C++ 轻量 TTS，OpenVINO 加速，多语言离线合成

MeloTTS.cpp 是一个轻量级的纯 C++ 文本转语音（TTS）推理管线，基于 OpenVINO 运行时实现，支持多···

fish-speech.rs 开源

用 Rust 原生跑 Fish Speech，快速生成语音

fish-speech.rs 是一个基于 Rust 和 Candle.rs 框架实现的 Fish Speech 文本转语音（TTS）引擎。它···

FireRedTTS 开源

用大模型驱动，一句话克隆声音，生成自然语音。

FireRedTTS 是一个基于大语言模型（LLM）的开源语音合成（TTS）系统，旨在提供高质量、自然且可控的···

SSR-Speech 开源

零样本语音编辑与合成，稳定安全又抗造

SSR-Speech 是一个面向零样本语音编辑与合成的开源项目，旨在解决现有语音编辑和合成技术中稳定性、···

voice-pro 开源

一站式网页工具，轻松搞定语音合成、克隆与处理

voice-pro 是一个面向创作者和开发者的 Gradio WebUI 工具，集成了多种前沿的语音技术。它解决了音···

QuickPiperAudiobook 开源

一条命令，把电子书变成自然流畅的有声书

QuickPiperAudiobook 是一个用 Go 编写的命令行工具，旨在将多种格式的电子书（如 EPUB、MOBI、TXT···

e2-tts-pytorch 开源

几行代码实现零样本语音克隆，让 TTS 不再复杂

E2-TTS 是一个基于 PyTorch 的零样本文本转语音（TTS）实现，对应论文《Embarrassingly Easy Fully···

optispeech 开源

轻量级 TTS，低资源跑出自然语音

OptiSpeech 是一个轻量级的端到端文本转语音（TTS）模型，旨在以较低的计算资源实现高质量语音合成···

CosyVoice 开源

输入文字就能生成多语种配音，一天的工作十分钟搞定

阿里通义实验室开源的多语言大规模语音生成模型，提供推理、训练与部署全栈能力。支持零样本语音克···

detail_tts 开源

一个框架搞定多种TTS生成模型，快速对比实验

detail_tts 是一个面向语音合成（TTS）研究的统一生成式模型框架，旨在将多种生成模型（如扩散模型···