音频音乐

FastPitchFormant 开源 免费 仅开源

分解音高与音色，让语音合成控制更精细

FastPitchFormant 是 NCSOFT 提出的 FastPitchFormant 模型的 PyTorch 非官方实现，该模型基于源-滤···

ttslearn 开源 免费 仅开源

跟着示例学 TTS，从信号处理到神经语音合成

ttslearn 是一个面向 Python 学习者的语音合成（Text-to-Speech）教学库，由日本学者开发，配套书籍···

WaveGrad2 开源 免费 仅开源

用分数匹配迭代精炼，快速生成高保真语音波形

WaveGrad2 是谷歌大脑团队提出的 WaveGrad 2 模型的非官方 PyTorch 实现，专注于文本到语音（TTS）···

Fre-GAN-pytorch 开源 免费 仅开源

用 GAN 生成频率更真实的语音，提升 TTS 听感

Fre-GAN-pytorch 是 Fre-GAN 论文的 PyTorch 非官方实现，Fre-GAN 是一种基于对抗生成网络的音频合···

UnivNet-pytorch 开源 免费 仅开源

用PyTorch复现UnivNet声码器，快速生成高保真语音波形。

UnivNet-pytorch 是 UnivNet 神经声码器的非官方 PyTorch 实现。UnivNet 是一种用于高保真波形生成···

text-to-speech-api 开源 按量 仅API

几行代码接入 Play.ht 语音合成，快速实现文本朗读

这是一个基于 Play.ht 服务的文本转语音 API 封装项目，旨在为开发者提供简单、高效的语音合成接口···

StyleSpeech 开源 免费 仅开源

一条参考语音，即刻克隆任意音色，快速合成个性化语音。

StyleSpeech 是 Meta-StyleSpeech 的 PyTorch 非官方实现，旨在解决多说话人自适应文本转语音（TTS···

MsEdgeTTS 开源 免费 仅开源

免密钥免费调用 Edge 高质量语音合成，几行代码集成 TTS

MsEdgeTTS 是一个基于 TypeScript 的轻量级文本转语音（TTS）模块，它巧妙地复用了 Microsoft Edge···

DiffSinger 开源 免费 仅开源

用扩散模型精修歌声合成，让非自回归 TTS 音质更自然

DiffSinger 是一个基于 PyTorch 的开源歌声合成（Singing Voice Synthesis）项目，核心思想是将浅层···

vits 开源 免费 可打开

文字进、语音出，又快又自然，配音效率翻倍

VITS 采用条件变分自编码器与对抗训练实现端到端文本转语音。在保持高自然度的同时大幅简化合成流程···

mlp-singer 开源 免费 仅开源

用纯MLP快速合成韩语歌声，告别慢速自回归。

MLP Singer 是一个基于多层感知机（MLP）的韩语歌声合成（Singing Voice Synthesis）开源项目，对应···

Catch-A-Waveform 开源 免费 仅开源

给一段短音频，生成同风格无限续写

Catch-A-Waveform 是 NeurIPS 2021 论文的官方 PyTorch 实现，旨在解决从单个极短音频样本（如几秒···

edge-tts 开源 免费 仅开源

免密钥调用微软 Edge 语音，几行代码生成自然 MP3

edge-tts 是一个 Python 库，让你无需安装 Microsoft Edge、Windows 或申请 API key，就能直接调用···

TTS 开源 免费 仅开源

Java 项目直接调用的文本转语音工具

TTS 是一个用 Java 编写的开源文本转语音项目，面向需要在 JVM 应用中集成语音合成能力的开发者。它···

Parallel-Tacotron2 开源 免费 仅开源

让语音合成告别逐字生成，并行提速数十倍

Parallel-Tacotron2 是 Google Parallel Tacotron 2 的 PyTorch 非官方实现，旨在解决传统自回归 T···

MorshuTalk 开源 免费 仅开源

输入文字，用 Morshu 腔调念出来

MorshuTalk 是一个基于 Python 的文本转语音（TTS）小工具，专门用《塞尔达传说：众神的三角力量》···

Expressive-FastSpeech2 开源 免费 仅开源

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 免费 仅开源

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 免费 仅开源

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 免费 仅开源

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 免费 仅开源

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 免费 仅开源

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 免费 仅开源

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 免费 仅开源

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···