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
editts
开源
免费
仅开源
用扩散模型精准编辑语音，改音高语速不动原声
EdiTTS 是 INTERSPEECH 2022 论文的官方实现，基于分数生成模型（score-based）实现可控的文本到语···
hass-edge-tts
开源
免费
仅开源
免密钥接入 Edge 语音，让 Home Assistant 开口说话
hass-edge-tts 是一个专为 Home Assistant 设计的自定义 TTS 组件，利用微软 Edge 浏览器的在线语音···
vits_chinese
开源
免费
仅开源
中文语音合成更自然，支持流式输出，开箱即用
vits_chinese 是一个基于 BERT 和 VITS 的中文语音合成（TTS）最佳实践项目，融合了微软自然语音的···
voicefixer_main
开源
免费
仅开源
一键修复受损语音，让声音恢复清晰
VoiceFixer 是一个通用的语音修复工具，旨在解决语音信号中的各种退化问题，如背景噪声、混响和低质···
video-bgm-generation
开源
免费
仅开源
根据视频内容自动生成匹配的背景音乐，省时又专业
video-bgm-generation 是 ACM MM 2021 最佳论文的开源实现，旨在为视频自动生成背景音乐。它解决的···
voicefixer
开源
免费
仅开源
一键修复受损语音，去噪去混响去削波，让声音更清晰
VoiceFixer 是一个基于深度学习的通用语音修复工具，旨在恢复受损的语音信号，使其更清晰、更自然。···
voicevox_core
开源
免费
可打开
把日语TTS引擎装进你的应用，离线生成自然语音
voicevox_core 是免费文本转语音软件 VOICEVOX 的核心引擎，用 Rust 编写，以库的形式提供日语音声···
ChineseTtsTflite
开源
免费
仅开源
安卓离线中文语音合成，快速测试TFLite模型
ChineseTtsTflite 是一个基于 TensorFlowTTS 的安卓离线中文语音合成引擎，主要面向 TfLite 模型测···
Comprehensive-Transformer-TTS
开源
免费
仅开源
用Transformer并行合成语音，速度飞快，效果媲美SOTA。
这是一个基于非自回归Transformer的文本转语音（TTS）项目，集成了多种SOTA Transformer架构，并支···
MidiTok
开源
免费
仅开源
把乐谱变成 AI 的口粮，喂饱它就能源源不断写歌
专为深度学习模型设计的 MIDI 与符号音乐分词器，提供多种 tokenization 策略，可将符号音乐高效转···
Daft-Exprt
开源
免费
仅开源
跨说话人迁移韵律，让合成语音更有情感
Daft-Exprt 是一个基于 PyTorch 的非自回归语音合成模型，专注于跨说话人的韵律迁移，旨在解决 exp···
MockingBird
开源
免费
仅开源
5 秒复刻一个声音，你说什么它就能说什么
只需 5 秒即可克隆一个声音，实现任意文本的实时语音合成。项目基于 PyTorch，提供训练与推理全流程···
IMS-Toucan
开源
免费
仅开源
一键生成7000种语言的自然语音，还能控制情感和语速
IMS-Toucan 是一个基于 PyTorch 的可控且快速的文本转语音（TTS）工具包，声称支持超过 7000 种语言···
EbookReader
开源
免费
仅开源
一个App搞定十余种电子书格式，还能听书
EbookReader 是一款开源的 Android 电子书阅读器应用，旨在解决多格式阅读和听书需求。它支持 epub···
univnet
开源
免费
仅开源
用GAN声码器，实时合成高质量语音波形
UnivNet是一个基于GAN的神经网络声码器，用于从声学特征（如梅尔频谱）合成高质量语音波形。它由韩···
UnityTTS
开源
免费
仅开源
在 Unity 里一键让文字开口说话，快速集成 TTS 功能。
UnityTTS 是一个专为 Unity 引擎设计的文本转语音（TTS）解决方案，旨在帮助开发者轻松地在 Unity ···
ubisoft-laforge-daft-exprt
开源
免费
仅开源
把一个人的说话情绪，无缝搬到另一个人声音里
Daft-Exprt 是育碧旗下 La Forge 团队开源的一个跨说话人韵律迁移工具，用于 expressive speech sy···
voicevox
开源
免费
可打开
免费日语配音编辑器，打字即可生成可调语音
VOICEVOX 是一款免费的中品质文本转语音软件，本项目是其编辑器前端，使用 TypeScript 开发。它解决···
voicevox_engine
开源
免费
可打开
本地跑日文语音合成，多角色音色随调随用
voicevox_engine 是开源语音合成软件 VOICEVOX 的核心引擎，用 Python 实现，提供把日文文本转成自···
MuseMorphose
开源
免费
仅开源
上传 MIDI，一键转换音乐风格，保留旋律。
MuseMorphose 是一个基于 PyTorch 实现的音乐风格迁移模型，论文发表于 IEEE/ACM TASLP。它利用 Tr···
VAENAR-TTS
开源
免费
仅开源
用VAE+非自回归框架，让语音合成更快更稳
VAENAR-TTS 是一个基于 PyTorch 的非自回归文本转语音（TTS）合成实现，核心思路是结合变分自编码器···
StyleSpeech
开源
免费
仅开源
一条参考音频，快速克隆说话风格，合成自然语音
StyleSpeech 是 Meta-StyleSpeech 和 StyleSpeech 论文的官方实现，专注于语音合成（TTS）中的风格···
wavegrad2
开源
免费
仅开源
用扩散模型直接生成高保真语音波形，一步到位
WaveGrad2 是一个非官方的 PyTorch 实现，基于 Google 提出的 WaveGrad 2 模型，用于高质量语音合成···
apple_airplayer
开源
免费
仅开源
把 AirPlay 音箱变成会说话的 TTS 喇叭
apple_airplayer 是一个将 AirPlay 设备（如 HomePod、Apple TV）转换为文本转语音（TTS）扬声器的···
