音频音乐

awesome-tts-samples 开源

边听边看论文，快速对比各家TTS语音效果

awesome-tts-samples 是一个精心整理的文本转语音（TTS）学术论文精选列表，核心特色是每篇论文都配···

TTS 开源

把文字变成真人语音，多语言多音色随你挑

面向文本转语音的深度学习工具包，历经研究与生产环境双重考验。支持多语言、多语音模型，提供丰富···

durian-pytorch 开源

用时长信息提升语音合成自然度，复现前沿论文

durian-pytorch 是论文《Duration Informed Attention Network for Multimodal Synthesis》的 PyTo···

glow-tts 开源

用生成流实现快速、高质量的端到端语音合成

glow-tts 是一个基于生成流（Generative Flow）的文本转语音（TTS）开源项目，由蒙特利尔大学等机构···

TTS-papers 开源

按图索骥，快速掌握TTS研究脉络

TTS-papers 是一个收集文本转语音（TTS）领域学术论文的仓库，旨在为研究人员和开发者提供系统性的···

CycleGAN-VC2 开源

无需平行语料，一键实现音色转换

CycleGAN-VC2 是一个基于 CycleGAN 的语音转换（Voice Conversion）开源项目，旨在实现无需平行语料···

Voice-synthesis 开源

几秒音频克隆声音，实时生成语音

Voice-synthesis 是一个基于 SV2TTS（说话人验证到多说话人语音合成）框架的实时语音合成实现，包含···

dl-for-emo-tts 开源

照着跑一遍，快速上手情感语音合成实验

这是一个关于情感语音合成（Emotional Text-to-Speech）的深度学习实验总结项目，以Jupyter Notebo···

WG-WaveNet 开源

无 GPU 也能实时生成高保真语音，让语音合成摆脱硬件束缚。

WG-WaveNet 是一个基于 Python 的实时高质量语音合成项目，其核心卖点是在没有 GPU 的条件下实现高···

DeepLearningMusicGeneration 开源

一张图看懂AI音乐生成前沿，快速上手深度学习方法

DeepLearningMusicGeneration 是一个专注于深度学习音乐生成领域的开源项目，旨在汇总和展示当前最···

Cross-Lingual-Voice-Cloning 开源

用一段语音样本，跨语言克隆你的声音

这是一个基于PyTorch的Tacotron 2实现，专注于跨语言语音克隆。它解决了传统语音合成系统只能使用单···

pitchtron 开源

让韩语方言TTS说对音调，不再怪腔怪调

pitchtron 是一个面向韩语等声调语言的文本转语音（TTS）工具，专注于处理韩语方言中的音高重音（p···

TransformerTTS 开源

用 Transformer 并行合成语音，告别逐字慢速生成

TransformerTTS 是一个基于非自回归 Transformer 架构的文本转语音（TTS）开源实现，由 Axel Sprin···

TensorFlowTTS 开源

用 TensorFlow 2 快速构建多语言实时语音合成系统

TensorFlowTTS 是一个基于 TensorFlow 2 的实时语音合成工具包，旨在提供最先进的语音合成能力。它···

muspy 开源

一站式搞定符号音乐生成的数据、评估与可视化

MusPy 是一个用于符号音乐生成的开源 Python 工具包，旨在为音乐生成研究和应用提供统一、高效的基···

DeepMusicvStyle 开源

指定风格，一键生成对应旋律的 MIDI 音乐

DeepMusicvStyle 是 ICME 2020 论文《Style-Conditioned Music Generation》的官方代码仓库，实现了···

Parakeet 开源

用 PaddlePaddle 一键训练和部署多种主流语音合成模型

Parakeet 是百度 PaddlePaddle 生态下的并行语音合成工具包，旨在提供从文本到语音的完整训练与推理···

remi 开源

用 Transformer 生成有节奏感的流行钢琴曲，基于节拍建模更自然。

Remi 是一个基于 Transformer 的流行钢琴音乐生成工具，源自 ACM Multimedia 2020 论文。它解决了传···

resemble-unity-text-to-speech 开源

在Unity里一键接入克隆人声，让角色开口说话

Resemble Unity Text-to-Speech 是 Resemble AI 官方推出的 Unity 插件，将先进的语音克隆引擎无缝···

Voice-Privacy-Challenge-2020 开源

一键匿名化语音，保护说话人身份，同时保留内容可懂度。

Voice-Privacy-Challenge-2020 是语音隐私挑战赛的官方基线方案，旨在解决语音数据中的说话人身份泄···

wsay 开源

在 Windows 命令行里，一句话让电脑开口说话

wsay 是一个 Windows 平台下的命令行文本转语音（TTS）工具，相当于 macOS 上 `say` 命令的 Window···

nonparaSeq2seqVC_code 开源

无需平行语料，实现任意说话人语音转换

这是一个基于非平行语料库的序列到序列语音转换（Voice Conversion, VC）实现代码。传统语音转换通···

bangla-tts 开源

让孟加拉语文本瞬间变语音，多语言实时合成轻松搞定

bangla-tts 是一个专注于孟加拉语（Bangla）的文本转语音（TTS）库，同时支持孟加拉语和英语的多语···

MusicTransformer-Pytorch 开源

用 PyTorch 复现 Music Transformer，轻松生成连贯钢琴曲

MusicTransformer-Pytorch 是一个基于 PyTorch 框架实现的音乐生成项目，针对 MaestroV2 数据集编写···