音频音乐

coqui_tts_korea 开源

用 Coqui 快速搭建韩语语音合成，开箱即用

这是一个基于 Coqui TTS 的韩语语音合成项目，使用 GlowTTS 和 Multiband MelGAN 模型实现高质量的···

easy-speech 开源

一行代码让网页开口说话，跨浏览器无依赖

easy-speech 是一个基于 Web Speech API 的跨浏览器语音合成（TTS）库，零依赖，体积小巧。它解决了···

obsidian-tts 开源

选中笔记文字，一键朗读，解放双眼。

obsidian-tts 是一个为 Obsidian 笔记软件开发的文本转语音插件，让你直接“听”笔记内容。它解决了···

ThemeTransformer 开源

给段旋律，AI 帮你生成完整音乐作品

ThemeTransformer 是一个基于主题的音乐生成开源项目，是 IEEE TMM 论文的官方实现。它解决的核心问···

tts-now 开源

一键将文字转为自然语音，支持批量处理，跨平台免费开源

tts-now 是一款基于云平台语音合成 API 的跨平台文字转语音助手，支持阿里云、讯飞等主流 TTS 服务···

Multi-Singer 开源

从乐谱和歌词合成自然歌声，复现顶会论文效果

Multi-Singer 是 ACM MM 2021 论文的官方 PyTorch 实现，专注于歌唱语音合成（Singing Voice Synth···

D2M-GAN 开源

给舞蹈视频自动生成匹配节拍的音乐

D2M-GAN 是一个基于生成对抗网络（GAN）的跨模态音乐生成项目，发表于 ECCV 2022。它解决的核心问题···

lofi-generator 开源

用深度学习一键生成 Lo-fi 背景音乐，灵感不枯竭

lofi-generator 是一个利用深度学习技术生成 Lo-fi 风格音乐的实验性开源项目。它针对 Lo-fi 音乐创···

Cross-Speaker-Emotion-Transfer 开源

让任意声音说出带指定情感的语音，跨说话人情感迁移。

这是一个基于PyTorch实现的跨说话人情感迁移语音合成项目，源自字节跳动的研究成果。它解决的核心问···

ukrainian-tts 开源

用 ESPnet 快速训练和合成乌克兰语语音，让应用开口说乌语。

ukrainian-tts 是一个基于 ESPnet 工具包的乌克兰语文本转语音（TTS）开源项目。它主要解决乌克兰语···

Neural-HMM 开源

用神经HMM替代注意力，实现稳定高质量的语音合成

Neural-HMM 是一个基于神经隐马尔可夫模型（Neural HMM）的高质量文本转语音（TTS）开源项目。它旨···

PortaSpeech 开源

轻量级高音质语音合成，让 TTS 模型跑在移动端。

PortaSpeech 是一个基于 PyTorch 的非自回归文本转语音（TTS）实现，源自论文《PortaSpeech: Porta···

YourTTS 开源

上传几秒音频，即刻克隆声音并合成语音

YourTTS 是一个面向所有人的零样本多说话人文本转语音（TTS）和零样本语音转换（VC）开源项目。它基···

editts 开源

用扩散模型精准编辑语音，改音高语速不动原声

EdiTTS 是 INTERSPEECH 2022 论文的官方实现，基于分数生成模型（score-based）实现可控的文本到语···

hass-edge-tts 开源

免密钥接入 Edge 语音，让 Home Assistant 开口说话

hass-edge-tts 是一个专为 Home Assistant 设计的自定义 TTS 组件，利用微软 Edge 浏览器的在线语音···

vits_chinese 开源

中文语音合成更自然，支持流式输出，开箱即用

vits_chinese 是一个基于 BERT 和 VITS 的中文语音合成（TTS）最佳实践项目，融合了微软自然语音的···

voicefixer_main 开源

一键修复受损语音，让声音恢复清晰

VoiceFixer 是一个通用的语音修复工具，旨在解决语音信号中的各种退化问题，如背景噪声、混响和低质···

video-bgm-generation 开源

根据视频内容自动生成匹配的背景音乐，省时又专业

video-bgm-generation 是 ACM MM 2021 最佳论文的开源实现，旨在为视频自动生成背景音乐。它解决的···

voicefixer 开源

一键修复受损语音，去噪去混响去削波，让声音更清晰

VoiceFixer 是一个基于深度学习的通用语音修复工具，旨在恢复受损的语音信号，使其更清晰、更自然。···

ChineseTtsTflite 开源

安卓离线中文语音合成，快速测试TFLite模型

ChineseTtsTflite 是一个基于 TensorFlowTTS 的安卓离线中文语音合成引擎，主要面向 TfLite 模型测···

Comprehensive-Transformer-TTS 开源

用Transformer并行合成语音，速度飞快，效果媲美SOTA。

这是一个基于非自回归Transformer的文本转语音（TTS）项目，集成了多种SOTA Transformer架构，并支···

MidiTok 开源

把乐谱变成 AI 的口粮，喂饱它就能源源不断写歌

专为深度学习模型设计的 MIDI 与符号音乐分词器，提供多种 tokenization 策略，可将符号音乐高效转···

Daft-Exprt 开源

跨说话人迁移韵律，让合成语音更有情感

Daft-Exprt 是一个基于 PyTorch 的非自回归语音合成模型，专注于跨说话人的韵律迁移，旨在解决 exp···

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···