汇聚全球AI音频与音乐生成项目，AI语音合成、音乐创作、音频处理工具一网打尽。
共收录 830 个开源项目
DualCodec
开源
免费
可打开
低帧率音频编码，让语音生成又快又准
DualCodec 是一个面向语音和音频生成的低帧率神经音频编解码器，发表于 Interspeech 2025。它主要解···
kokoro-onnx
开源
免费
仅开源
轻量级 ONNX 加速，让 TTS 在 CPU 上实时发声
kokoro-onnx 是一个基于 ONNX Runtime 的轻量级文本转语音（TTS）工具，旨在将 Kokoro 模型高效地部···
local11labs
开源
免费
仅开源
本地一键生成高质量语音和播客，快且私密
Local11Labs 是一个基于 Kokoro-82M 模型的本地化文本转语音（TTS）与播客生成工具。它解决了云端 ···
TTS-Mod-Vault
开源
免费
仅开源
跨平台备份桌游模组，告别工坊下架丢失
TTS-Mod-Vault 是一款跨平台的桌游模拟器（Tabletop Simulator）模组备份与下载工具，旨在替代老旧···
gitpodcast
开源
免费+付费
可打开
把代码仓库变成播客，通勤路上听懂新项目
gitpodcast 是一个将任意 Git 仓库自动转化为播客音频的开源工具。它解决了开发者难以快速了解陌生···
Kokoro-FastAPI
开源
免费
仅开源
一键部署本地TTS，跨平台多语言语音合成，兼容OpenAI接口
Kokoro-FastAPI 是一个将 Kokoro-82M 文本转语音模型封装成 Dockerized FastAPI 服务的开源项目，旨···
BackgroundAudio
开源
免费
仅开源
让 Pico 和 ESP32 轻松播放语音和音乐，不卡主程序
BackgroundAudio 是一个面向 Arduino 生态的音频播放库，专为 Raspberry Pi Pico（RP2040）、Pico ···
TTSAudioNormalizer
开源
免费
仅开源
一键统一语音音频响度，让 TTS 数据集更规范
TTSAudioNormalizer 是一个面向语音合成（TTS）数据生产的专用音频响度分析与归一化工具。它解决的···
pdf-narrator
开源
免费
仅开源
把 PDF/EPUB 一键变成有声书，低配电脑也能流畅跑
pdf-narrator 是一个将 PDF 和 EPUB 文档转换为有声书的开源工具，专为低资源系统设计。它解决了传···
unspeech
开源
免费
仅开源
一个 API 接入所有 TTS 服务，自托管轻松切换
unspeech 是一个用 Go 编写的自托管文本转语音（TTS）服务聚合工具，旨在将多种 TTS 服务统一到一个···
pdf-to-podcast
开源
可打开
把 PDF 变成能听的播客，通勤路上轻松吸收知识。
pdf-to-podcast 是一个将 PDF 文档自动转换为 AI 播客的开源工具。它解决了用户在通勤、运动等场景···
awesome-controllable-speech-synthesi···
开源
免费
仅开源
一页看清可控语音合成论文、数据集与开源实现
这是一个围绕可控语音合成（Controllable Speech Synthesis）的系统性综述配套仓库，对应论文《Tow···
Glosik
开源
免费
仅开源
在苹果设备上用 Swift 跑通 F5-TTS 语音合成
Glosik 是一个基于 MLX Swift 的示例项目，演示了如何在苹果生态中运行 F5-TTS 文本转语音模型。它···
mlx-audio
开源
免费
仅开源
苹果设备本地搞定语音，转文字、换声音一步到位
基于 Apple MLX 框架构建的语音库，集文本转语音、语音转文本与语音转语音于一体，可在 Apple Sili···
LibreTTS
开源
免费
可打开
一套代码接入多种TTS引擎，快速实现语音合成
LibreTTS 是一个开源的文本转语音（TTS）前端项目，采用 JavaScript 编写，主打接口兼容性。它解决···
edge-tts-extension
开源
免费
已失效
免费高质量网页朗读，无需API Key，一键生成语音
edge-tts-extension 是一个基于微软 Edge 浏览器内置的 Read Aloud API 构建的浏览器扩展，支持 Ch···
vox-box
开源
免费
仅开源
一键部署 OpenAI 兼容语音服务，自由切换 TTS/STT 引擎
vox-box 是一个兼容 OpenAI API 的语音服务端，提供文本转语音（TTS）和语音转文本（STT）能力。它···
podcast_tts
开源
免费
仅开源
一键生成有对话感的播客音频，告别机械配音
podcast_tts 是一个用于生成播客和对话场景逼真语音的 Python 类库。它解决的是传统 TTS 合成语音机···
document-to-podcast
开源
免费
仅开源
本地AI把文档一键变成播客，隐私安全又高效
document-to-podcast 是 Mozilla.ai 推出的一个开源蓝图项目，旨在利用本地 AI 技术将文档自动转化···
OuteTTS
开源
已失效
一行代码调用 OuteTTS 模型，快速生成自然语音
OuteTTS 是一个为 OuteTTS 模型设计的统一接口，旨在简化文本到语音（TTS）模型的加载、推理和集成···
Auralis
开源
免费
仅开源
快速将文本转语音，低延迟集成到你的应用
Auralis 是一个基于 Python 的快速文本转语音（TTS）引擎，旨在提供低延迟、高质量的语音合成能力。···
viet-tts
开源
免费
仅开源
给越南语应用加上自然语音，开源免费即用
VietTTS 是一个开源的越南语文本转语音（TTS）引擎，旨在为越南语社区提供高质量、易用的语音合成解···
lingopod
开源
已失效
粘贴网页链接，一键生成中英双语播客，边听边学。
lingopod 是一个将网页内容转化为 AI 驱动的中英文双语播客的开源工具。它主要面向语言学习者和内容···
podcast-llm
开源
免费
仅开源
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···
