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
pied
开源
免费
可打开
图形化点选，轻松管理 Linux 语音包，即刻发声。
Pied 是一个为 Speech Dispatcher 设计的 Piper 语音包管理器，主要面向屏幕阅读器用户和终端用户。···
vits2_pytorch
开源
免费
仅开源
用 PyTorch 跑通 VITS2 语音合成，训练推理全流程
vits2_pytorch 是 VITS2 文本转语音模型的非官方 PyTorch 实现。VITS2 是 VITS 的改进版本，通过引···
voicebox-pytorch
开源
免费
仅开源
用 PyTorch 复现 Meta 最新 TTS 模型，快速跑通语音合成实验
voicebox-pytorch 是 MetaAI 提出的 Voicebox 文本转语音（TTS）模型的非官方 PyTorch 实现。Voice···
edge-tts-go
开源
免费
仅开源
用 Go 一行代码调用 Edge 免费语音合成，无需密钥
edge-tts-go 是一个用 Go 语言编写的开源库，它允许开发者直接调用微软 Edge 浏览器内置的在线文本···
MemoAI
开源
免费+付费
不稳定
导入视频，自动出双语字幕和笔记
MemoAI 是一款面向视频与音频内容的本地化处理工具，核心目标是把视频或音频快速转成可读文本、字幕···
VALL-E-X
开源
免费
仅开源
听 3 秒原声就能学舌，任何人的音色都能复刻
微软 VALL-E X 零样本 TTS 模型的开源实现，仅需约 3 秒参考音频即可克隆目标说话人音色，并支持跨···
vits2
开源
免费
可打开
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
可打开
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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···
