音频音乐

mlx-audio 开源

苹果设备本地搞定语音，转文字、换声音一步到位

基于 Apple MLX 框架构建的语音库，集文本转语音、语音转文本与语音转语音于一体，可在 Apple Sili···

vits 开源

文字进、语音出，又快又自然，配音效率翻倍

VITS 采用条件变分自编码器与对抗训练实现端到端文本转语音。在保持高自然度的同时大幅简化合成流程···

VALL-E-X 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···

EmotiVoice 开源

打几个字就能让配音带情绪，开心难过随你指挥

网易有道开源的多音色、提示词可控 TTS 引擎，通过文本提示即可控制合成语音的情感与风格。支持多种···

espnet 开源

语音识别、合成、翻译一把抓，一个工具箱全搞定

端到端语音处理工具包，覆盖语音识别、语音合成、语音翻译、说话人识别等多项任务。提供统一训练框···

piper 开源

断网也能用，老电脑照样流畅读稿，离线配音不求人

快速、本地的神经网络文本转语音系统，无需联网即可在低算力设备上流畅运行，支持多语言与多音色。···

dia 开源

一句话说出超逼真对话，情绪到位，不用反复重录

一款能够一次性生成超逼真对话的 TTS 模型，无需多次迭代即可输出自然流畅、情感丰富的多角色对话语···

VoxCPM 开源

给 AI 一句描述，就能捏出从没听过的全新嗓音

VoxCPM2 是一款无分词器的多语言语音生成模型，支持多语种语音合成、创意音色设计与高保真声音克隆···

MockingBird 开源

5 秒复刻一个声音，你说什么它就能说什么

只需 5 秒即可克隆一个声音，实现任意文本的实时语音合成。项目基于 PyTorch，提供训练与推理全流程···

OpenVoice 开源

给一段录音，立刻复刻出同款声音，谁都能当配音员

由 MIT 与 MyShell 联合打造的开源音频基础模型，支持即时声音克隆。仅需一段参考音频即可克隆任意···

ChatTTS 开源

日常对话配音自然到像真人，再也不用听机器腔

专为日常对话场景设计的生成式语音模型，能够生成自然流畅、富有表现力的对话语音。支持细粒度韵律···

TTS 开源

把文字变成真人语音，多语言多音色随你挑

面向文本转语音的深度学习工具包，历经研究与生产环境双重考验。支持多语言、多语音模型，提供丰富···