音频音乐

Barkify 开源

自己训练 Bark 语音模型，摆脱官方限制

Barkify 是 Suno AI 推出的 Bark 文本转语音模型的非官方训练实现。Bark 是一个基于 Transformer 的···

bark-voice-cloning-HuBERT-quantizer 开源

用几秒语音克隆音色，训练推理全搞定

这是一个用于声音克隆的开源项目，基于Bark模型和HuBERT量化器实现。它解决的核心问题是：如何用少···

CoMoSpeech 开源

一步合成语音和歌声，告别扩散模型慢速采样

CoMoSpeech 是南洋理工大学等机构在 ACM MM 2023 上提出的语音与歌声合成模型，基于一致性模型（Co···

sonata 开源

用 Rust 跑神经 TTS，跨平台、轻量、可嵌入

sonata 是一个用 Rust 编写的跨平台神经 TTS（文本转语音）推理引擎，专注于高效运行神经网络语音合···

audio-webui 开源

一个网页搞定多种音频AI，不用写代码就能玩转音乐生成和语音合成

audio-webui 是一个面向音频相关神经网络的统一 Web 界面，旨在解决音频 AI 工具分散、使用门槛高的···

TTS-MultiLingual 开源

一行代码为你的应用加上20种语言的语音输出

TTS-MultiLingual 是一个基于 Python 的多语言文本转语音（TTS）工具，支持超过 20 种语言的语音合···

sonata-nvda 开源

给 NVDA 装上神经语音，让屏幕阅读更自然

sonata-nvda 是一个为 NVDA 屏幕阅读器开发的语音合成器驱动插件，利用神经 TTS 模型（如 Piper）提···

WeeaBlind 开源

一键给外语视频配音，克隆原声，多语言本地化

WeeaBlind 是一个用现代 AI 技术为外语影视媒体制作配音的开源工具。它解决了非英语视频内容在本地···

TTS-WebUI 开源

一个界面玩转二十多种语音与音乐生成模型

TTS-WebUI 是一个集成了多种主流语音与音频生成模型的一站式 Web 界面，基于 Gradio 和 React 构建···

vampnet 开源

用掩码变换器，让AI按你的提示生成音乐片段

vampnet 是一个基于掩码变换器（masked transformer）的音频音乐生成开源项目。它解决的是音乐生成···

SummerTTS 开源

一键编译，离线运行，零依赖的中英文语音合成。

SummerTTS 是一个基于 C++ 的轻量级中英文语音合成（TTS）项目，主打独立编译和零依赖。它解决了传···

elevenlabs 开源

用 Go 轻松调用 ElevenLabs，实现语音合成与识别

这是一个非官方的 Go 语言客户端库，用于调用 ElevenLabs 的 API。它封装了文本转语音、语音转文本···

tango 开源

输入一句话，自动生成匹配的音频内容

tango 是一个用于文本生成音频的扩散模型家族，旨在解决从文字描述直接合成高质量音频的问题。它基···

rvc-webui 开源

一键部署网页版声音转换工具，轻松实现音色克隆与替换

rvc-webui 是 liujing04 对 Retrieval-based-Voice-Conversion-WebUI（RVC）的重构项目，旨在提供更···

VitsServer 开源

把 VITS 模型秒变高速 TTS 服务，一键部署低延迟合成

VitsServer 是一个基于 VITS 模型和 ONNX Runtime 的文本转语音（TTS）推理服务器，专为快速部署和···

edge-tts-webui 开源

打开网页，输入文字，一键生成自然语音

edge-tts-webui 是一个基于微软 Edge 浏览器在线语音合成服务（edge-tts）的图形化界面工具。它解决···

java-tts 开源

用 Java 轻松调用 Edge TTS，几行代码实现文本转语音

java-tts 是一个基于 Java 实现的文本转语音库，它封装了微软 Edge 的在线 TTS 服务，让 Java 开发···

SNAC 开源

零样本克隆声音，几秒音频即可合成新语音

SNAC 是一个基于 PyTorch 的非官方实现，专注于零样本多说话人文本转语音（TTS）。它通过引入说话人···

elevenlabs-python 开源

一行代码调用 ElevenLabs，生成逼真 AI 语音

ElevenLabs 官方 Python SDK，用于调用 ElevenLabs API，提供文本转语音、语音克隆、声音库管理、语···

elevenlabs_tts 开源

给 Home Assistant 接入 ElevenLabs 逼真 AI 语音

这是一个将 ElevenLabs 文本转语音（TTS）服务集成到 Home Assistant 的自定义组件。它解决了 Home···

vst 开源

在DAW里输入文字，直接生成声音，创意音色一键即得

vst 是一个开源的音频插件项目，它允许用户直接在数字音频工作站（DAW）中通过输入文字来生成声音。···

subvert 开源

上传视频，秒出字幕、摘要和章节，剪辑效率翻倍。

subvert 是一个基于 PHP 的视频处理工具，利用 OpenAI 的 Whisper 模型自动为视频生成字幕、摘要和···

epub_to_audiobook 开源

把电子书一键变成有声书，直接导入 Audiobookshelf 听

epub_to_audiobook 是一个将 EPUB 电子书转换为有声书的开源工具，专为 Audiobookshelf 优化，并内···

bob-plugin-akl-microsoft-free-tts 开源

免密钥调用微软语音，Bob 一键朗读翻译结果

这是一个基于微软免费语音合成服务的 Bob 插件，完全无需 API 密钥即可使用。它解决了 Bob 用户需要···