音频音乐

TFGAN 开源

融合时频域GAN，生成高保真语音

TFGAN 是一个基于生成对抗网络（GAN）的高保真语音合成开源项目，核心创新在于同时利用时域和频域信···

zhtts 开源

CPU 上实时合成中文语音，无需显卡也能跑

zhtts 是一个基于 Python 的中文实时语音合成系统演示项目，专注于在 CPU 上实现低延迟的文本转语音···

Tacotron 开源

长文本语音合成不掉字，PyTorch 实现 Tacotron

Tacotron 是一个基于 PyTorch 实现的端到端文本转语音（TTS）系统，专注于长句语音合成的鲁棒性。它···

FastSpeech2 开源

用 PyTorch 快速实现多说话人语音合成，训练推理都省心

FastSpeech2 是一个基于 PyTorch 的多说话人端到端文本转语音（TTS）开源实现，源自微软提出的 Fas···

CycleGAN-VC3 开源

无需平行语料，一键转换声音风格

CycleGAN-VC3 是一个基于 CycleGAN 的语音转换（Voice Conversion）开源项目，旨在将一个人的声音转···

LVCNet 开源

用位置可变卷积，让语音合成又快又自然

LVCNet 是一个面向语音合成（TTS）场景的高效声码器（vocoder），由韩国团队在 ICASSP 2021 提出。···

hifi-gan 开源

让语音合成又快又真，实时生成高保真音频

HiFi-GAN 是一个基于生成对抗网络的高保真语音合成声码器，由韩国首尔大学团队开发。它解决了传统神···

TextToTalk 开源

游戏聊天自动朗读，解放双眼，不错过任何重要信息。

TextToTalk 是一个专为《最终幻想14》游戏打造的 Dalamud 插件，它能够将游戏内的聊天文本实时转换···

DNN-HSMM 开源

用 DNN+HSMM 打造更自然的语音合成声学模型

DNN-HSMM 是一个基于 PyTorch 实现的语音合成（TTS）工具，核心是将深度神经网络（DNN）与隐半马尔···

diffwave 开源

用扩散模型快速生成高保真语音波形，让 TTS 更自然高效。

DiffWave 是一个基于扩散概率模型的神经声码器与波形合成器，由 Google Brain 团队提出，用于从梅尔···

wavegrad 开源

几步生成高保真语音，比 WaveNet 快几十倍

WaveGrad 是一个基于分数匹配的快速高质量神经声码器，由 Google Research 提出，用于从梅尔频谱图···

silero-models 开源

几行代码实现高质量语音合成与识别，CPU也能跑

Silero Models 是一个提供预训练语音模型的集合，专注于让文本转语音（TTS）和语音识别（STT）变得···

WaveGrad 开源

用扩散模型快速生成高保真语音波形，一步到位

WaveGrad 是 Google Brain 提出的高保真语音合成声码器（vocoder）的 PyTorch 非官方实现。它基于扩···

dectalk 开源

让 90 年代经典 DECtalk 语音在现代电脑上重新发声

dectalk 项目旨在为 90 年代/00 年代的 DECtalk 文本转语音（TTS）应用提供现代化构建。DECtalk 是···

dla 开源

一站式音频深度学习工具箱，快速搞定语音识别与合成

dla 是一个面向音频处理的深度学习开源项目，旨在为音频相关任务提供一套完整的解决方案。它涵盖了···

TensorVox 开源

本地离线跑神经语音合成，低延迟高隐私，桌面即用

TensorVox 是一个用 C++ 编写的桌面端神经语音合成应用，专注于将文本实时转换为自然语音。它解决了···

swift-tts 开源

Swift 项目三行代码接入系统 TTS，兼容 TCA 和 Combine

swift-tts 是一个面向 Swift 开发者的轻量级文本转语音（TTS）封装库，基于 AVFoundation 的 AVSpe···

TTS-recipes 开源

一键跑通多种数据集的 TTS 训练配方，快速上手语音合成。

TTS-recipes 是一个面向不同数据集的文本转语音（TTS）训练配方集合，基于 Coqui AI 生态构建。它解···

VocGAN 开源

让语音合成更自然、更快速，实时生成高保真声音。

VocGAN 是一个基于生成对抗网络（GAN）的高保真实时声码器，专为语音合成和文本转语音（TTS）系统设···

ha-rhvoice 开源

在 Home Assistant 中本地离线生成语音，保护隐私免云端。

ha-rhvoice 是一个 Home Assistant 集成组件，用于接入 RHVoice 本地文本转语音（TTS）引擎。它解决···

Music-SketchNet 开源

画个音乐草图，AI帮你生成完整旋律和节奏

Music-SketchNet 是一个基于 ISMIR 2020 论文的开源项目，旨在通过分解音高和节奏的表征来实现可控···

vietTTS 开源

让应用开口说越南语，开箱即用的高质量 TTS 库

vietTTS 是一个专注于越南语的开源文本转语音（TTS）库，基于深度学习技术构建。它解决了越南语语音···

Crystal 开源

用 C++ 打造统一多语言 TTS 引擎，SSML 接口即插即用

Crystal 是一个基于 C++ 实现的多语言文本转语音（TTS）合成引擎，以 SSML 规范作为统一接口。它旨···

text-to-speech 开源

在 Capacitor 应用里一行代码实现文字转语音

这是一个 Capacitor 社区官方的文本转语音（TTS）插件，用于在 Capacitor 混合应用（支持 Android ···