音频音乐

Silero-TTS-Service 开源

给 Home Assistant 装上离线高音质语音合成，一句话搞定本地 TTS。

Silero-TTS-Service 是一个基于 Silero TTS 模型的本地文本转语音后端服务，专为智能家居场景设计。···

riffusion-manipulation 开源

用图像扩散模型，像P图一样编辑音频

riffusion-manipulation 是一个基于 Riffusion 模型的音频操控工具集，用 Python 实现。它解决的核···

Auto-Synced-Translated-Dubs 开源

上传视频和字幕，自动生成多语言配音，音画同步无需手动。

Auto-Synced-Translated-Dubs 是一个自动视频配音翻译工具，它基于字幕文件提取文本，通过 AI 翻译···

Turkish-Text-to-Speech 开源

用 Fastpitch + HiFi-GAN 为土耳其语打造自然语音合成

Turkish-Text-to-Speech 是一个面向土耳其语等低资源语言的文本转语音（TTS）开源项目。它采用 Fas···

riffusion-hobby 开源

用 Stable Diffusion 实时生成音乐，输入文字即出旋律

riffusion-hobby 是一个基于 Stable Diffusion 的音乐生成开源项目，将图像生成技术应用于音频频谱···

phoenix10.1 开源

用文字一键生成你的专属电台，AI 主持不间断播报

phoenix10.1 是一个基于 Python 的个人电台生成工具，核心功能是利用文本转语音技术，将用户提供的···

AutoVocoder 开源

用可微信号处理，快速生成高质量语音波形

AutoVocoder 是一个基于可微数字信号处理（DDSP）的语音波形快速生成工具。它从学习到的语音表示（···

riffusion-app-hobby 开源

用 Stable Diffusion 实时生成音乐，输入文字即可创作独特旋律

riffusion-app-hobby 是一个基于 Stable Diffusion 的实时音乐生成 Web 应用，将图像生成模型应用于···

Chinese-FastSpeech2 开源

让中文语音合成更有韵律，告别机器腔

Chinese-FastSpeech2 是一个基于 FastSpeech2 的中文语音合成（TTS）开源项目。它针对中文发音特点···

TurkicTTS 开源

让十种突厥小语种也能拥有流畅语音合成

TurkicTTS 是一个面向突厥语系的多语言文本转语音（TTS）合成系统，专门支持阿塞拜疆语、巴什基尔语···

seq2seq-vc 开源

用序列模型实现声音转换，无需平行语料

seq2seq-vc 是一个基于序列到序列（seq2seq）模型的语音转换工具包，旨在将一个人的声音转换为另一···

lalalai 开源

调用 LALAL.AI API，快速实现人声分离与音频处理

LALAL.AI 的官方 API 示例库，专注于音频分离与处理。它提供了一系列 Python 脚本，演示如何调用 L···

manim-voiceover 开源

给 Manim 动画一键加配音，自动同步字幕

manim-voiceover 是一个专为 Manim 动画引擎设计的语音旁白插件，旨在解决数学动画视频制作中语音与···

DiffRoll 开源

用扩散模型把音频自动变成钢琴卷帘谱

DiffRoll 是一个基于扩散模型的自动音乐转录（AMT）开源项目，采用 PyTorch 实现。它解决的是将音频···

GenerSpeech 开源

用任意声音合成语音，零样本风格迁移

GenerSpeech 是一个基于 PyTorch 实现的文本到语音（TTS）模型，源自 NeurIPS 2022 论文，专注于零···

MSMC-TTS 开源

多阶段码本生成，让语音合成更自然清晰

MSMC-TTS 是一个多阶段多码本（Multi-Stage Multi-Codebook）的语音合成（TTS）开源项目，基于深度···

Perceiver-Music-Transformer 开源

用 Perceiver 架构高效生成超长音乐，突破 Transformer 长度限制

Perceiver-Music-Transformer 是 Google Perceiver-AR 架构在音乐生成领域的开源实现，旨在解决长序···

pattrns 开源

用代码写节奏，实时生成音乐序列

pattrns 是一个用 Rust 编写的实验性命令式音乐序列生成引擎。它解决的是传统音乐编程中序列生成方···

tts-server-android 开源

让安卓手机秒变智能朗读助手，自定义音色和接口

tts-server-android 是一个基于 Android 的本地 TTS（文本转语音）服务应用，旨在解决系统自带 TTS···

audio-development-tools 开源

一站式音频开发工具箱，从信号处理到AI生成全搞定

Audio Development Tools (ADT) 是一个面向音频技术研发的开源项目，旨在整合声音、语音和音乐领域···

tts-server-go 开源

一键部署，让阅读APP用上微软AI语音听书

tts-server-go 是一个用 Go 语言编写的轻量级服务，用于转发微软 TTS（文本转语音）服务。它主要解···

tts-react 开源

在 React 里一句话搞定文字转语音，轻松实现播报功能

tts-react 是一个基于 React 的文本转语音（TTS）组件库，旨在帮助开发者快速在 React 应用中集成语···

mkpl 开源

敲一行命令，目录秒变 M3U 播放列表

mkpl 是一个命令行工具，用于从命令行生成 M3U 格式的播放列表。它解决了手动创建和维护播放列表的···

KAN-TTS 开源

快速搭建定制语音合成系统，开箱即用

KAN-TTS 是一个基于 Python 的语音合成训练框架，旨在简化 TTS 模型的开发与训练流程。它提供了从数···