音频音乐

Expressive-FastSpeech2 开源

让TTS带情绪和对话感，快速训练多语言表达性语音

Expressive-FastSpeech2 是一个基于 PyTorch 的非自回归表达性语音合成（TTS）开源项目，在 FastSp···

edge-TTS-record 开源

一键录制 Edge 朗读语音，秒存 WAV 音频

edge-TTS-record 是一个面向 Windows 平台的轻量级工具，用于录制 Microsoft Edge 浏览器内置的语音···

facet 开源

用代码实时生成图像和音乐，浏览器即兴创作

facet 是一个基于 NodeJS 和浏览器的实时编码与合成工具，专为生成艺术和算法创作设计。它让用户通···

word2wave 开源

输入文字，快速生成短音频样本

Word2Wave 是一个从文本提示生成短音频样本的开源框架，基于 WaveGAN 和 COALA 模型。它解决了文本···

TalkNet2-pytorch 开源

快速训练轻量级语音合成模型，显式控制音高和时长

TalkNet2-pytorch 是 TalkNet 2 的非官方 PyTorch 实现，TalkNet 2 是一种用于语音合成的非自回归模···

Kazakh_TTS 开源

哈萨克语语音合成，271小时多说话人数据直接可用

Kazakh_TTS 是一个哈萨克语文本转语音（TTS）语料库项目，是早期 KazakhTTS 的扩展版本。它解决了哈···

FCH-TTS 开源

六语种快速语音合成，实时交互不卡顿

FCH-TTS 是一个快速文本转语音（TTS）模型，基于 Python 实现，支持英语、中文、日语、韩语、俄语和···

DiffWave-Vocoder 开源

用扩散模型快速生成高质量语音波形，模型小、速度快。

DiffWave-Vocoder 是一个基于 PyTorch 的 DiffWave 声码器非官方复现项目。DiffWave 是一种高质量的···

STYLER 开源

快速且可控地合成富有表现力的语音，风格随心调。

STYLER 是 INTERSPEECH 2021 发表的语音合成论文官方实现，专注于表达性且可控的神经文本转语音（T···

SpeakIt_Vietnamese_TTS 开源

在 Windows 上轻松将越南语文本变成语音，开箱即用。

SpeakIt_Vietnamese_TTS 是一个基于 Windows 平台的越南语文本转语音（TTS）工具，使用 C# 和 WPF ···

LPC_for_TTS 开源

从梅尔频谱图快速提取LPC系数，助力TTS声学建模

LPC_for_TTS 是一个基于 Python 的线性预测系数（LPC）估计工具，专为语音合成（TTS）场景设计。它···

Voice-Cloning-App 开源

上传几秒音频，即刻克隆人声并合成任意文本

Voice-Cloning-App 是一个基于 Python 和 PyTorch 的开源语音克隆工具，旨在让用户通过简单的操作合···

mel-cepstral-distance 开源

算两段语音差多少，客观评估合成质量

这是一个用于计算两段语音或音频之间Mel倒谱距离（MCD）的Python库，MCD是语音合成与语音转换领域常···

AdaSpeech 开源

用少量样本快速定制专属语音合成模型

AdaSpeech 是一个基于 PyTorch 的自适应文本转语音（TTS）项目，旨在为自定义声音提供高质量的语音···

XZVoice 开源

免费开源的桌面TTS工具，一键把文字变成自然语音

XZVoice是一款免费开源的文本转语音（TTS）桌面软件，基于Electron和Vue构建，旨在为用户提供便捷、···

mandarin-tts 开源

用FastSpeech 2快速搭建中文语音合成，轻松生成普通话音频。

mandarin-tts 是一个基于 PyTorch 实现的中文普通话语音合成（TTS）开源项目。它采用 FastSpeech 2···

voice_indonesian 开源

离线印尼语文本转语音，代码示例即拿即用

这是一个印度尼西亚语离线文本转语音（TTS）的示例代码项目，主要用于将文本转换为语音，且完全离线···

resemble-alexa 开源

给 Alexa 装上克隆嗓音，用 GPT-3 驱动对话

resemble-alexa 是一个示例项目，展示如何构建一个使用真实感语音克隆技术的 Alexa 技能。它结合了···

LightSpeech 开源

用神经架构搜索打造轻量快速语音合成模型

LightSpeech 是一个基于神经架构搜索（NAS）的轻量级快速文本转语音（TTS）项目。它旨在解决传统 T···

DEEPFAKE-AUDIO 开源

给一段声音，克隆出任意人的语音

Deepfake Audio 是一个基于 SV2TTS 技术的神经语音克隆工作室，旨在通过深度学习模型实现高度逼真的···

bot-whatsapp 开源

用 Node.js 快速搭建 WhatsApp 多功能机器人，但已停止维护

bot-whatsapp 是一个基于 open-wa/wa-automate-nodejs 库构建的多功能 WhatsApp 机器人，但项目已停···

BVAE-TTS 开源

用贝叶斯变分自编码器生成更自然多样的语音

BVAE-TTS 是一个基于 PyTorch 的文本转语音（TTS）开源项目，是论文的官方实现。它采用贝叶斯变分自···

text-to-speech 开源

在浏览器里输入文字，一键生成语音播放

这是一个基于Web Speech API的轻量级文本转语音工具，使用纯HTML和JavaScript实现，无需任何后端服···

tegridy-tools 开源

用 NLP 技术让 MIDI 音乐自动生成与风格迁移

tegridy-tools 是一个面向符号音乐（MIDI）的 NLP 与人工智能工具包，旨在用自然语言处理技术处理音···