音频音乐

vits2 开源

一条流水线生成自然语音，又快又像真人

VITS2 是一个基于 PyTorch 的单阶段文本转语音（TTS）模型，旨在提升语音合成的质量和效率。它通过···

Bert-VITS2 开源

用BERT增强的VITS2，让语音合成更自然、多语言更流畅

Bert-VITS2 是一个基于 VITS2 架构、引入多语言 BERT 特征的开源语音合成（TTS）项目。它解决了传统···

YouTranslate 开源

一键克隆你的声音，把 YouTube 视频翻译成任何语言

YouTranslate 是一个基于 Python 的开源工具，用于将 YouTube 视频中的语音克隆并翻译成其他语言，···

so-vits-models 开源

一站式收藏AI模型，快速找到声音、图像、视频生成工具

这是一个收集AI模型与应用的资源汇总项目，聚焦于声音、图像、视频和文本生成领域。它整理了so-vit···

obsidian-voice 开源

让 Obsidian 笔记开口说话，通勤路上也能听知识

obsidian-voice 是一个 Obsidian 插件，旨在将笔记内容转换为语音朗读，提供类似有声书的移动端体验···

rvc-tts-webui 开源

上传参考音频，一键将合成语音变成你的声音

rvc-tts-webui 是一个基于 RVC（Retrieval-based Voice Conversion）和 edge-tts 的文本转语音 Gra···

sub-to-audio 开源

把字幕文件一键变成同步语音，自动配音不求人。

sub-to-audio 是一个将字幕文件转换为音频的工具，它利用 Coqui-ai TTS 引擎，根据字幕文件中的时间···

bark.cpp 开源

用C++跑Bark模型，轻量快速本地生成语音

bark.cpp 是一个将 Suno AI 的 Bark 文本转语音模型用 C/C++ 重新实现的开源项目，基于 ggml 推理引···

tts-edge-java 开源

Java 调用 Edge 免费语音，几行代码实现文本转 MP3

tts-edge-java 是一个基于微软 Edge 浏览器内置语音合成服务的 Java SDK，旨在为 Java 开发者提供简···

Advanced-RVC-Inference 开源

一键下载并加速运行 RVC 语音转换模型，省时省力

Advanced-RVC-Inference 是一个面向 RVC（Retrieval-based Voice Conversion）模型的推理加速与部署···

UnitSpeech 开源

无需转录文本，用少量语音样本即可克隆你的声音

UnitSpeech 是一个基于扩散模型的语音合成与声音转换开源项目，官方实现了同名论文《UnitSpeech: S···

SoniTranslate 开源

上传视频，自动生成多语言配音，轻松出海

SoniTranslate 是一个开源的视频同步翻译与配音工具，专注于将视频中的语音自动翻译成其他语言，并···

emospeech 开源

从语音中识别情绪，让机器听懂你的心情

emospeech 是一个基于 Python 的语音情感识别开源项目，旨在从语音信号中自动检测和分类人类情感状···

OpenMusenet2 开源

复现 OpenAI 音乐生成模型，用代码生成多风格 MIDI 音乐

OpenMusenet2 是 OpenAI Musenet 的开源实现，旨在复现并开放这一经典音乐生成模型。Musenet 基于 ···

PolyLangVITS 开源

一个模型搞定中英日韩语音合成，开箱即用

PolyLangVITS 是一个基于 VITS 的多语言语音合成项目，支持韩语、日语、英语和中文四种语言。它利用···

spear-tts-pytorch 开源

用PyTorch复现多说话人TTS，快速搭建语音合成实验

Spear-TTS-PyTorch 是一个基于 PyTorch 实现的多说话人文本转语音（TTS）注意力网络的开源项目。它···

StyleTTS2 开源

音色情绪几乎以假乱真，听不出是机器在读

StyleTTS 2 通过风格扩散与对抗训练，结合大型语音语言模型，实现了接近人类水平的文本转语音。合成···

TikTok-Voice-TTS 开源

一键调用 TikTok 语音接口，生成热门音色配音

这是一个简单的 Python 脚本，用于调用 TikTok 内置的文本转语音（TTS）接口，从而生成带有 TikTok···

audiocraft-infinity-webui 开源

网页上无限续写音乐和音效，让 AI 创作不停歇

audiocraft-infinity-webui 是一个为 Meta 的 AudioCraft 音频生成模型打造的无限时长音频生成 Web···

Multi-Model-RVC-Inference 开源

一键加载多个 RVC 模型，从 Hugging Face 直接推理语音转换。

Multi-Model-RVC-Inference 是一个基于 Python 的语音转换推理工具，专注于 RVC（Retrieval-based ···

mu2mi 开源

用 TypeScript 快速集成 AI 音乐生成与处理能力

mu2mi 是一个开源的 AI 音乐工具包，旨在为音乐创作者和开发者提供一套基于 TypeScript 的模块化工···

ttsmms 开源

一键调用MMS模型，让数百种语言开口说话

ttsmms 是一个基于 Meta 的 Massively Multilingual Speech (MMS) 项目的文本转语音（TTS）工具，旨···

tts.astromech 开源

让 Home Assistant 用 R2-D2 的哔哔声说话，给智能家居加点星战趣味。

tts.astromech 是一个为 Home Assistant 打造的文本转语音集成组件，能够将输入的文本转换为《星球···

SoundStorm-pytorch 开源

并行音频生成，让语音合成快数倍

SoundStorm-pytorch 是 Google SoundStorm 论文的非官方 PyTorch 实现，旨在解决传统自回归语音合成···