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
audiocraft-infinity-webui
开源
免费
仅开源
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
免费
仅开源
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 ···
chime_tts
开源
免费
仅开源
给智能音箱的TTS播报加个前奏/尾音，通知更自然。
chime_tts 是一个 Home Assistant 自定义集成，用于在文本转语音（TTS）播报前后自动播放组合音频文···
mu2mi
开源
免费
仅开源
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
免费
仅开源
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···
stable-audio-tools
开源
免费
仅开源
用文本或音频条件，训练并生成可控音乐音效
stable-audio-tools 是 Stability AI 开源的音频生成工具包，提供基于 PyTorch 的条件音频生成模型···
tts.astromech
开源
免费
仅开源
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
免费
仅开源
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···
Barkify
开源
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
已失效
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
免费
仅开源
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
免费
仅开源
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
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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···
