音频音乐

AuK 开源 免费 仅开源

一个模型搞定语音生成、编辑与分离

AuK 是一个开源语音生成与编辑基础模型，目标是把语音合成、语音编辑、说话人提取、语音增强和音源···

ZeroTTS 开源 免费 仅开源

CPU 上实时跑越南语零样本语音克隆

ZeroTTS 是一个面向越南语的开源零样本语音合成（TTS）项目，主打轻量与实时性。它解决的核心问题是···

X2Streaming-TTS 开源 免费 仅开源

文本边说边转语音，首句秒出声

X2Streaming-TTS 是一个用 TypeScript 编写的流式文本转语音（TTS）开源项目，面向需要边生成边播放···

sayit 开源 可打开

Mac 本地把文字变语音，不联网不上传

sayit 是一款面向 Apple silicon Mac 的本地文字转语音工具，基于 Swift 开发并调用 mlx-audio 推理···

omi-read-aloud 开源 免费 仅开源

复制即朗读，AI 回复用耳朵听

omi-read-aloud 是一款轻量级的 macOS 菜单栏应用，核心功能是监听剪贴板，自动将复制的对话文本或···

Audio8_TTS 开源 免费 仅开源

小模型也能合成自然语音，本地部署更省算力

Audio8_TTS 是一个用 Python 实现的开源文本转语音项目，主打在紧凑模型规模下提供接近 SOTA 的语音···

asmr-dubber 开源 免费 仅开源

音声作品一键识别翻译配音，产出双语字幕和双语音轨

asmr-dubber 是一个用 Python 编写的音视频字幕与配音工具，主要面向 ASMR、音声作品等需要跨语言处···

chatgpt-web-voice 开源 免费 不稳定

用免费 token 在自家网站接入 ChatGPT 实时语音对话

这是一个通过逆向工程调用 ChatGPT 网页版实时语音接口的开源项目。它利用 WebRTC 和 DataChannel ···

BokeBox 开源 可打开

把文章视频一键变成你的专属播客节目

BokeBox（播匣）是一个多源输入的私有AI播客工作室，能将视频、链接、文章和笔记等内容转化为口播音···

wtonec 开源 免费 仅开源

给微信/QQ加装语音增强和文字转语音，聊天更个性

Wtonec 是一个针对微信和 QQ 的 LSPosed/Xposed 模块，主要提供语音增强、文字转语音（TTS）和语音···

audio.cpp-webui 开源 免费 仅开源

纯 C++ 音频 AI 全家桶，网页即开即用，无需 Python

audio.cpp-webui 是一个基于 ggml 的纯 C++ 音频模型推理引擎，为 audio.cpp 提供全任务 WebUI。它···

sanoTTS 开源 免费 可打开

几美元芯片也能跑的自然语音合成

sanoTTS 是一个用 C 语言实现、面向极低资源环境的神经网络语音合成（TTS）项目。其名称取自尼泊尔···

libratory 开源 免费 不稳定

把自有 PDF 变成本地 M4B 有声书和双语跟读版

libratory 是一个自托管的电子书与有声书实验室，把用户自己拥有的 PDF 转换成带章节标记的 M4B 有···

LA-Studio 开源 可打开

本地跑通语音克隆和翻译，一站式测试音频模型

LA Studio 是一个本地优先的 AI 音频平台，旨在帮助用户探索、下载并测试语音识别（STT）、文本转语···

vocal-craft-studio 开源 仅开源

一键批量克隆声音，生成印地语和英语自然语音

vocal-craft-studio 是一个专注于印地语和英语的 AI 语音工作室，提供批量声音克隆与文本转语音（T···

vagdhenu 开源 免费 仅开源

梵语诵唱文本一键合成有节奏的语音

Vāgdhenu 是一个面向梵语与吠陀诵唱的开源文本转语音项目，采用 DiT（扩散 Transformer）声学模型···

voice-mcp-agent 开源 免费 仅开源

克隆你的声音，让 AI Agent 开口说话

voice-mcp-agent 是一个基于 TypeScript 的开源语音 AI 代理项目，核心目标是把语音克隆、语音合成···

talk-to-fengge 开源 仅开源

克隆声音性格，1秒内实时对话

这是一个基于实时语音技术的声音与性格克隆项目，旨在让用户与任何人的数字分身进行自然对话。它解···

audio.cpp 开源 免费 仅开源

纯 C++ 搞定音频 AI 推理，无 Python 依赖，性能拉满

audio.cpp 是一个基于 ggml 的纯 C++ 音频模型推理引擎，旨在为音频 AI 应用提供一体化、高性能的本···

vllm-chatterbox-stream 开源 免费 仅开源

用 vLLM 驱动，0.7 秒首响，23 语言实时语音合成，支持声音克隆

vllm-chatterbox-stream 是一个基于 vLLM 推理引擎的多语言文本转语音（TTS）服务，兼容 OpenAI AP···

voice-studio 开源 免费 可打开

本地多模型 AI 语音生成，替代 ElevenLabs，省钱又私密。

voice-studio 是一个开源的本地 AI 语音生成（TTS）工作室，支持多种模型，旨在替代 ElevenLabs 等···

HiggsAudio-Studio 开源 免费 仅开源

离线一键生成多角色播客和有声书，支持声音克隆。

HiggsAudio-Studio 是一个面向 Windows 的便携式文本转语音（TTS）工具，集成了 Higgs Audio v3 模···

LocalText2Voice 开源 免费 可打开

本地一键把文字变成干净播客级音频，无需联网

LocalText2Voice 是一个完全离线的本地文本转语音生产工作流，专为生成干净旁白、结构化学习内容和···

theDAW 开源 免费 仅开源

一个工具搞定编曲、打碟和视觉，还能用 AI 生成音乐

theDAW 是一个用 TypeScript 构建的全功能数字音频工作站（DAW），同时集成 DJ 和 VJ 功能，目标是···