音频音乐

CDCD 开源

用图像生成音乐，或反之，跨模态创作一键搞定

CDCD是一个跨模态音乐与图像生成的学术研究项目，发表于ICLR 2023。它提出了一种离散对比扩散模型，···

midi-emotion 开源

输入情感坐标，自动生成多乐器 MIDI 音乐

midi-emotion 是一个基于情感生成多乐器 MIDI 音乐的开源工具。它接收用户在 valence-arousal（效价···

mmt 开源

用 Transformer 一键生成多轨协调的完整音乐

mmt 是论文《Multitrack Music Transformer》（ICASSP 2023）的官方实现，一个基于 Transformer 的···

tiktok-voice 开源

一行代码调用 TikTok TTS，免费生成多种语音

tiktok-voice 是一个简单的 Python 脚本，用于调用 TikTok 的文本转语音（TTS）API，将文字转换为语···

Comprehensive-E2E-TTS 开源

快速搭建非自回归端到端语音合成，对比多种时长建模方案

这是一个基于 PyTorch 的非自回归端到端文本转语音（TTS）项目，直接将文本转换为语音波形，无需中···

Learn2Sing2.0 开源

让AI模仿你的声音唱歌，用扩散模型实现个性化歌声合成

Learn2Sing2.0 是一个基于扩散模型和互信息的目标说话人歌声合成（SVS）开源项目，旨在让用户通过模···

neon-tts-plugin-coqui 开源

给Neon助手装上多语言语音合成，一句话搞定TTS集成。

neon-tts-plugin-coqui 是 Neon AI 开源智能语音助手生态中的文本转语音（TTS）插件，基于 Coqui A···

nix-tts 开源

轻量级端到端TTS，模块蒸馏实现边缘设备实时语音合成

Nix-TTS 是一个轻量级、端到端的文本转语音（TTS）开源项目，通过模块级蒸馏技术大幅压缩模型体积，···

TTS-Voice-Wizard 开源

让 VRChat 虚拟形象实时显示说话文字并语音回复

TTS-Voice-Wizard 是一个面向 VRChat 和 VTuber 的语音转文字再转语音（STTTS）工具。它解决的是虚···

g2pW 开源

中文多音字转拼音，让语音合成更准确

g2pW 是一个中文普通话的字素到音素（G2P）转换工具，主要解决中文文本到拼音或注音转换的问题。它···

neoscore 开源

用代码画出任意乐谱，图形控制随心所欲

neoscore 是一个基于 Python 的音乐记谱库，采用图形优先（graphics-first）的范式，将音乐符号视为···

iSTFTNet-pytorch 开源

用 iSTFT 加速声码器，轻量快速合成高质量语音

iSTFTNet-pytorch 是一个轻量级、快速的声码器（vocoder）实现，基于逆短时傅里叶变换（iSTFT）来加···

to-the-stars 开源

把魔法少女小圆外传小说翻译成中文，还能听语音版

这是一个以《魔法少女小圆》外传小说《飞向星空》为蓝本的中文翻译项目，采用JavaScript实现，主要···

lyrictor 开源

把歌曲变成可分享的 AI 视觉作品，无需设计基础

lyrictor 是一款基于 TypeScript 构建的桌面与浏览器双端创意工具，旨在将个人对歌曲的理解转化为可···

DiffGAN-TTS 开源

用扩散+GAN，几步生成高保真语音，又快又真

DiffGAN-TTS 是一个基于 PyTorch 的文本转语音（TTS）实现，核心思想是结合扩散模型（Diffusion）和···

NATSpeech 开源

并行生成语音，速度翻倍，效果不输自回归

NATSpeech 是一个非自回归语音合成（NAR-TTS）框架，基于 PyTorch 实现，集成了 PortaSpeech（Neur···

UEAzSpeech 开源

在虚幻引擎中一键接入 Azure 语音，实现语音识别与合成。

UEAzSpeech 是一个将 Azure 语音认知服务集成到虚幻引擎（Unreal Engine）中的插件。它解决了游戏和···

FastDiff 开源

让扩散声码器实时生成高质量语音，告别慢速合成。

FastDiff 是一个基于 PyTorch 实现的快速音频生成模型，源自 IJCAI 2022 论文。它属于神经声码器（···

RapidTTS 开源

本地快速语音合成，多模型一键切换，低延迟高音质。

RapidTTS 是一个轻量级的文本转语音（TTS）框架，专注于本地快速推理和高品质语音合成。它集成了多···

CDFSE_FastSpeech2 开源

零样本语音合成，让AI模仿任何人的声音更逼真

CDFSE_FastSpeech2 是论文《Content-Dependent Fine-Grained Speaker Embedding for Zero-Shot Spe···

ms-ra-forwarder 开源

免费调用微软神经网络语音，快速搭建文本转语音服务

ms-ra-forwarder 是一个基于 TypeScript 开发的免费在线文本转语音（TTS）API 服务。它通过转发微软···

One-Shot-Voice-Cloning 开源

一句话声音克隆，用Unet-TTS快速复刻音色并生成语音

One-Shot-Voice-Cloning 是一个基于 Unet-TTS 架构的一次性语音克隆开源项目，旨在通过少量参考音频···

VITS 开源

用文本合成语音，还能一键变声，端到端搞定。

VITS 是一个基于 PyTorch 的文本转语音（TTS）与语音转换（VC）工具，支持将文本合成为自然语音，并···

DiffSinger 开源

用扩散模型快速生成高自然度歌声，输入MIDI即可合成演唱。

DiffSinger 是一个基于浅层扩散机制的开源歌声合成（SVS）与语音合成（TTS）项目，源自 AAAI 2022 ···