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
TextToTalk
开源
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
可打开
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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 ···
awesome-tts-samples
开源
免费
仅开源
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
已失效
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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
免费
仅开源
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···
