音频音乐

vixtts-demo 开源

上传一段越南语音频，即刻克隆音色并合成新语音

vixtts-demo 是一个面向越南语的开源语音克隆与文本转语音（TTS）模型演示项目。它基于 XTTS 架构进···

web-speech-recommended-voices 开源

一份清单，搞定跨浏览器语音合成选音难题

这是一个为 Web Speech API 提供推荐语音列表的开源项目。它解决了开发者在不同浏览器和平台上使用···

ultimate-rvc 开源

上传音频，一键生成 AI 翻唱和语音，人人可玩歌声转换。

ultimate-rvc 是一个基于检索式语音转换（RVC）的音频内容创作应用，主要用于生成歌曲翻唱和语音合···

Pandrator 开源

把 PDF 和视频一键变成带克隆声音的有声书和译制片

Pandrator 是一款免费开源的本地化音频生成工具，主要将 PDF 和 EPUB 电子书转换为有声书，也能将字···

Dot 开源

本地跑通 TTS+RAG+LLM，离线也能玩转 AI 语音和问答。

Dot 是一个完全本地化的 AI 音频工具集，专注于文本转语音（TTS）、检索增强生成（RAG）和大语言模···

examples 开源

照着抄，快速接入 ElevenLabs 语音合成与配音

examples 是一个基于 TypeScript 的音频与语音技术示例集合，专注于文本转语音（TTS）和配音（dubb···

AivisSpeech 开源

上传声音样本，即刻生成以假乱真的日语语音。

AivisSpeech 是一个基于 AI 的语音模仿与文本转语音（TTS）系统，专注于日语语音合成。它利用 Styl···

AivisSpeech-Engine 开源

上传声音样本，即刻生成日文语音，还能模仿音色。

AivisSpeech-Engine 是一个基于 Python 的 AI 语音合成引擎，专注于日文文本到语音（TTS）转换，并···

TextSoundSaver 开源

Mac 上把文字一键变成语音，导出音频文件

TextSoundSaver 是一款基于 SwiftUI 开发的 macOS 原生应用，主要解决将文本快速转换为自然流畅的合···

fe-pilot 开源

用 React 组件搞定高级 Web 功能，快速集成定位与通讯录。

fe-pilot 是一个面向 React 的 UI 组件库，专注于封装高级 Web 特性，让开发者能快速集成地理位置、···

MeloTTS 开源

中英日韩法西六国语言配音，一条龙全包

MyShell.ai 开源的高质量多语言 TTS 库，支持英语、西班牙语、法语、中文、日语、韩语六种语言。合···

metavoice-src 开源

几秒样本克隆音色，生成有情感的真人级语音

MetaVoice 是一个基于深度学习的情感语音合成基础模型，专注于生成高度自然、富有表现力的语音。它···

Podcini 开源

一个应用同时听播客和 YouTube 音频，告别来回切换。

Podcini 是一款开源的 Android 播客播放器，不仅支持传统 RSS 播客订阅，还能直接播放 YouTube 和 ···

youtube-auto-dub 开源

本地免费给YouTube视频配音，克隆原声换语言，自动同步字幕

youtube-auto-dub 是一个本地优先的开源 YouTube 视频配音工具，旨在将视频中的原始语音克隆并翻译···

awesome-audio-plaza 开源

每天更新音频AI论文，帮你紧跟音乐生成和语音合成前沿

这是一个每日更新的音频方向前沿论文精选列表，聚焦音乐生成、零样本语音合成、语音识别和通用音频···

ebook2audiobook 开源

一键把电子书变成有声书，支持千种语言和声音克隆

ebook2audiobook 是一个将电子书自动转换为有声书的开源工具，支持 EPUB、PDF 等格式，内置 1158 多···

GPT-SoVITS 开源

录一分钟声音，AI 就能用你的声音读任何文字

仅需 1 分钟语音数据即可训练出高质量 TTS 模型的少样本声音克隆方案。集成语音识别、文本转语音与···

piper-app 开源

在苹果设备上离线运行 Piper TTS，快速生成自然语音。

Piper-app 是 Piper 文本转语音引擎的 iOS 和 macOS 原生移植版，基于 Swift 开发，将原本面向 Lin···

tts-importer 开源

把 Azure 高品质语音接入阅读 App，听书更自然

tts-importer 是一个帮助用户将 Azure 文本转语音（TTS）服务接入本地阅读应用的工具。它主要解决阅···

paroli 开源

在RK3588上跑通流式TTS，低延迟本地语音合成

paroli 是一个基于 Piper 的流式文本转语音（TTS）服务，专为边缘设备和嵌入式场景设计，尤其针对瑞···

NaturalVoiceSAPIAdapter 开源

让老软件用上 Azure 自然语音，即插即用

NaturalVoiceSAPIAdapter 是一个将微软 Azure 神经网络 TTS 声音桥接到 SAPI 5 接口的适配器。它解···

StyleTTS2 开源

一句话集成人类级 TTS 与声音克隆，快速生成自然语音。

StyleTTS2 是一个基于 StyleTTS 2 模型的文本转语音（TTS）与声音克隆工具，以 Python 包形式提供，···

xtts-webui 开源

可视化操作XTTS，零代码实现语音合成与微调

xtts-webui 是一个为 Coqui XTTS 文本转语音模型打造的图形化界面工具，主要解决 XTTS 模型使用门槛···

elevenlabs-js 开源

用 Node.js 快速接入 ElevenLabs 高质量 AI 语音合成

elevenlabs-js 是 ElevenLabs 官方推出的 JavaScript/TypeScript 库，用于在 Node.js 环境中调用 E···