音频音乐

Step-Audio-EditX 开源

用一句话编辑语音情感和风格，还能零样本合成新声音

Step-Audio-EditX 是一个基于 3B 参数大语言模型和强化学习的音频编辑模型，专注于情感、说话风格和···

VieNeu-TTS 开源

在本地 CPU 上实时合成越南语语音，几秒克隆任意音色。

VieNeu-TTS 是一个专注于越南语的端侧实时文本转语音（TTS）引擎，支持即时声音克隆，无需云端依赖···

FlexiCodec 开源

低帧率下也能保真，让音频编解码更灵活高效

FlexiCodec 是一个面向低帧率场景的动态神经音频编解码器，由 ICLR 2026 论文提出。它解决传统音频···

silero-stress 开源

给俄语文本自动标重音，让TTS发音更准

Silero Stress 是一个面向俄语的预训练自动重音标注与同形异义词消歧工具。它解决了俄语文本中多音···

MOSS-Speech 开源

跳过文字，语音直接对话，更自然更高效

MOSS-Speech 是一个真正的语音到语音（speech-to-speech）大语言模型，无需文本作为中间引导。它直···

liquid-audio 开源

端到端语音互转，实时交互低延迟

Liquid Audio 是 Liquid AI 推出的语音到语音（speech-to-speech）音频模型系列，旨在解决传统语音···

VibeVoiceFusion 开源

一键微调多说话人语音，低显存批量合成

VibeVoiceFusion 是一个基于微软 VibeVoice（自回归+扩散架构）的全栈多说话人语音合成 Web 系统。···

voices 开源

Java 应用内秒级离线语音合成，无需外部服务

voices 是一个面向 Java 生态的快速进程内文本转语音（TTS）库。它基于 ONNX 运行时和 Piper TTS 引···

voxtream 开源

实时流式语音克隆，边听边合成，语速随心控

VoXtream 是一个全流式零样本文本转语音（TTS）模型，主打极低延迟和语速控制。它解决了传统 TTS 需···

ComfyUI-VoxCPM 开源

在 ComfyUI 里拖拽节点，即可生成高表现力语音并克隆任意声音。

ComfyUI-VoxCPM 是一个为 ComfyUI 设计的音频生成节点，专注于高表现力的语音合成和零样本声音克隆···

VoxCPM 开源

给 AI 一句描述，就能捏出从没听过的全新嗓音

VoxCPM2 是一款无分词器的多语言语音生成模型，支持多语种语音合成、创意音色设计与高保真声音克隆···

vibevoice-studio 开源

录段声音，就能用你的声音说话

VibeVoice Studio 是一个基于 Python 和 FastAPI 构建的语音克隆与文本转语音（TTS）应用。它允许用···

VibeVoice-ComfyUI 开源

在 ComfyUI 里拖拽节点，一键生成高质量多角色语音

VibeVoice-ComfyUI 是一个将微软 VibeVoice 文本转语音模型集成到 ComfyUI 的自定义节点，让用户能···

ComfyUI-VibeVoice 开源

在 ComfyUI 里拖拽生成带情感的多角色长语音

ComfyUI-VibeVoice 是一个为 ComfyUI 设计的自定义节点，用于集成 VibeVoice 文本转语音（TTS）引擎···

ddo-tts 开源

安装即用，Edge 语音秒变朗读神器

ddo-tts 是一款基于 Kotlin 开发的 Android 文字转语音应用，内置 EdgeTTS 引擎，无需额外部署或配···

Genie-TTS 开源

把 GPT-SoVITS 模型转成 ONNX，部署快、跑得稳，声音克隆更轻松。

Genie-TTS 是一个专注于 GPT-SoVITS 模型的 ONNX 推理引擎与模型转换工具。它解决了 GPT-SoVITS 模···

OpenWebTTS 开源

本地模型朗读PDF和EPUB，隐私无忧的Speechify替代品

OpenWebTTS 是一个开源的、可自托管的文本转语音（TTS）Web 应用，旨在作为 Speechify 的替代方案。···

ncnn-android-piper 开源

手机本地跑神经语音合成，离线秒出中文英文语音

ncnn-android-piper 是一个基于 ncnn 推理框架的本地神经网络语音合成（TTS）引擎，专为 Android 和···

lue 开源

终端里读书还能听书，支持多种格式，语音自然如有声书。

lue 是一个运行在终端里的电子书阅读器，核心亮点是集成了高品质的文本转语音（TTS）功能，让用户能···

HunyuanVideo-Foley 开源

看视频自动配音，让无声画面瞬间有真实的声音。

HunyuanVideo-Foley 是腾讯混元团队开源的多模态扩散模型，用于从视频内容自动生成高保真度的拟音音···

nabu 开源

在安卓上玩转本地 TTS 和 LLM，一键生成有声书

nabu 是一个面向边缘计算的多引擎 TTS 与 LLM 游乐场，基于 Kotlin 开发，专为 Android 设备设计。···

epub2mp3 开源

把电子书变成有声书，用 Edge TTS 一键转 MP3

epub2mp3 是一个用 Python 编写的命令行工具，它利用微软 Edge 的 TTS 服务，将 EPUB 电子书转换为···

ai-voice-cloner 开源

本地免费克隆你的声音，一键生成语音

这是一个本地运行的AI语音克隆桌面应用，无需联网即可使用，且不产生任何运行成本。它解决的是用户···

OtosakuTTS-iOS 开源

在 iPhone 上离线生成自然语音，保护隐私不联网。

OtosakuTTS-iOS 是一个基于 Swift 的离线文本转语音（TTS）库，专为 iOS 和 macOS 平台设计。它利用···