音频音乐

PL-BERT 开源 免费 仅开源

用音素级 BERT 让 TTS 说话更自然，韵律更生动。

PL-BERT 是一个基于音素级 BERT 的文本到语音（TTS）韵律增强模型，通过引入音素级别的语言模型预测···

Los-Angeles-Music-Composer 开源 免费 仅开源

用窗口注意力生成多乐器音乐，长序列也能高效创作

Los-Angeles-Music-Composer 是一个基于局部窗口注意力的多乐器音乐生成 Transformer 模型，专注于···

vall-e 开源 免费 仅开源

三秒语音样本，即刻克隆音色，零样本语音合成

VALL-E 是一个基于 PyTorch 的非官方实现，源自微软提出的神经编解码语言模型，用于零样本文本到语···

piper 开源 免费 仅开源

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。···

fish-diffusion 开源 免费+付费 已失效

扩散模型做语音歌声合成，音质稳、代码好懂

fish-diffusion 是一个基于扩散模型的语音合成框架，覆盖 TTS（文本转语音）、SVS（歌声合成）和 S···

tuneflow-py 开源 可打开

编曲软件里直接跑 AI，灵感落地不用切工具

将 AI 与音乐算法带入下一代 DAW 的 Python 工具包，支持在数字音频工作站中直接构建音乐算法与 AI···

clipboard-narrator 开源 免费 仅开源

复制网页文字，后台自动朗读成有声书

clipboard-narrator 是一个基于 Godot 引擎开发的桌面工具，能将任意网页内容转换为有声书。它通过···

NeuralTextToAudio 开源 免费 仅开源

输入文字描述，自动生成对应音频片段

NeuralTextToAudio 是一个基于文本提示生成合成音频的开源项目，旨在通过自然语言描述来控制音频生···

jpreprocess 开源 免费 仅开源

用 Rust 重写 OpenJTalk，让日语 TTS 文本预处理更快更安全

jpreprocess 是一个用 Rust 重写 OpenJTalk 的日语文本预处理库，专为文本转语音（TTS）应用设计。···

Silero-TTS-Service 开源 免费 仅开源

给 Home Assistant 装上离线高音质语音合成，一句话搞定本地 TTS。

Silero-TTS-Service 是一个基于 Silero TTS 模型的本地文本转语音后端服务，专为智能家居场景设计。···

riffusion-manipulation 开源 免费 仅开源

用图像扩散模型，像P图一样编辑音频

riffusion-manipulation 是一个基于 Riffusion 模型的音频操控工具集，用 Python 实现。它解决的核···

Auto-Synced-Translated-Dubs 开源 免费 仅开源

上传视频和字幕，自动生成多语言配音，音画同步无需手动。

Auto-Synced-Translated-Dubs 是一个自动视频配音翻译工具，它基于字幕文件提取文本，通过 AI 翻译···

Turkish-Text-to-Speech 开源 免费 仅开源

用 Fastpitch + HiFi-GAN 为土耳其语打造自然语音合成

Turkish-Text-to-Speech 是一个面向土耳其语等低资源语言的文本转语音（TTS）开源项目。它采用 Fas···

riffusion-hobby 开源 免费 仅开源

用 Stable Diffusion 实时生成音乐，输入文字即出旋律

riffusion-hobby 是一个基于 Stable Diffusion 的音乐生成开源项目，将图像生成技术应用于音频频谱···

phoenix10.1 开源 免费 仅开源

用文字一键生成你的专属电台，AI 主持不间断播报

phoenix10.1 是一个基于 Python 的个人电台生成工具，核心功能是利用文本转语音技术，将用户提供的···

AutoVocoder 开源 免费 仅开源

用可微信号处理，快速生成高质量语音波形

AutoVocoder 是一个基于可微数字信号处理（DDSP）的语音波形快速生成工具。它从学习到的语音表示（···

riffusion-app-hobby 开源 已失效

用 Stable Diffusion 实时生成音乐，输入文字即可创作独特旋律

riffusion-app-hobby 是一个基于 Stable Diffusion 的实时音乐生成 Web 应用，将图像生成模型应用于···

Chinese-FastSpeech2 开源 免费 仅开源

让中文语音合成更有韵律，告别机器腔

Chinese-FastSpeech2 是一个基于 FastSpeech2 的中文语音合成（TTS）开源项目。它针对中文发音特点···

TurkicTTS 开源 免费 仅开源

让十种突厥小语种也能拥有流畅语音合成

TurkicTTS 是一个面向突厥语系的多语言文本转语音（TTS）合成系统，专门支持阿塞拜疆语、巴什基尔语···

seq2seq-vc 开源 免费 仅开源

用序列模型实现声音转换，无需平行语料

seq2seq-vc 是一个基于序列到序列（seq2seq）模型的语音转换工具包，旨在将一个人的声音转换为另一···

lalalai 开源 按量 仅API

调用 LALAL.AI API，快速实现人声分离与音频处理

LALAL.AI 的官方 API 示例库，专注于音频分离与处理。它提供了一系列 Python 脚本，演示如何调用 L···

manim-voiceover 开源 免费 仅开源

给 Manim 动画一键加配音，自动同步字幕

manim-voiceover 是一个专为 Manim 动画引擎设计的语音旁白插件，旨在解决数学动画视频制作中语音与···

DiffRoll 开源 免费 仅开源

用扩散模型把音频自动变成钢琴卷帘谱

DiffRoll 是一个基于扩散模型的自动音乐转录（AMT）开源项目，采用 PyTorch 实现。它解决的是将音频···

GenerSpeech 开源 免费 仅开源

用任意声音合成语音，零样本风格迁移

GenerSpeech 是一个基于 PyTorch 实现的文本到语音（TTS）模型，源自 NeurIPS 2022 论文，专注于零···