汇聚全球AI音频与音乐生成项目，AI语音合成、音乐创作、音频处理工具一网打尽。
共收录 830 个开源项目
DiffGAN-TTS
开源
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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···
voice-over-translation
开源
免费
仅开源
网页视频一键加外语配音和字幕
voice-over-translation 是一个浏览器扩展与用户脚本，为网页视频提供另一种语言的画外音翻译与字幕···
FastDiff
开源
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
已失效
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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 ···
coqui_tts_korea
开源
免费
仅开源
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
免费
可打开
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
免费
仅开源
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
免费
仅开源
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
可打开
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
待核验
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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···
