音频音乐

WhisperSubTranslate 开源

本地免费生成字幕并翻译，无需上传，隐私无忧

WhisperSubTranslate 是一款免费、本地优先的桌面应用，基于 Electron 构建，利用 OpenAI Whisper ···

TTS-Audio-Suite 开源

在 ComfyUI 里拖拽节点，本地跑多种 TTS 和声音克隆

TTS-Audio-Suite 是一个 ComfyUI 自定义节点集成包，旨在为本地多引擎、多语言的文本转语音（TTS）···

Kitten-TTS-Server 开源

自托管轻量 TTS 服务，长文本有声书一键生成

Kitten-TTS-Server 是一个自托管的轻量级文本转语音（TTS）API 服务器，基于 Kitten TTS 模型构建，···

nonverspeech38k 开源

让AI学会笑、叹、哼，生成自然非语言人声

NonVerbalSpeech-38K 是一个用于非语言语音（如笑声、叹息、哼声等）生成与理解的开源项目，源自同···

codename-rvc-fork-4 开源

一键克隆音色，实时转换歌声，创作更自由

Codename's rvc fork version 4 是一个基于 Applio 的歌声转换工具分支，专注于语音与歌声的实时转···

jamify 开源

像搭积木一样生成歌曲，每个音符都能控

jamify 是一个基于流匹配（Flow Matching）的轻量级歌曲生成器，旨在解决现有音乐生成模型在细粒度···

kokoro-coreml 开源

一键转换 Kokoro TTS 到 Apple 芯片，实现端侧快速语音合成

kokoro-coreml 是一个将 Kokoro TTS 模型从 PyTorch 转换为 CoreML 格式的流水线工具，旨在解锁 Ap···

SpeakThat 开源

戴上耳机，重要通知自动念给你听，解放双眼。

SpeakThat 是一款 Android 平台的开源通知朗读工具，旨在将手机上的各类通知通过文字转语音（TTS）···

Dia-Finetuning-Vietnamese 开源

用Dia微调越南语TTS，快速实现语音克隆

这是一个面向越南语的TTS（文本转语音）微调项目，基于Dia框架实现。它解决了越南语语音合成中缺乏···

learnable-speech 开源

无需对齐，快速实现跨语言语音合成与克隆

learnable-speech 是一个基于可学习音频编码器的文本转语音（TTS）项目，无需与文本参考对齐即可实···

FluidAudio 开源

在苹果设备上本地运行前沿音频 AI，实现离线语音交互。

FluidAudio 是一个面向 iOS/macOS 开发者的 Swift 框架，旨在将前沿的 CoreML 音频模型无缝集成到原···

Twocast 开源

一键把文章变成双人对话播客，多语言多音色，替代 NotebookLM

Twocast 是一个开源的 AI 播客生成器，专注于生成双语音频节目，支持多语言和多音色，被视为 Noteb···

MOSS-TTSD 开源

从短音频克隆声音，生成多说话人 expressive 对话

MOSS-TTSD 是一个面向表达性多说话人合成的口语对话生成模型。它解决了传统语音合成在长上下文建模···

kokoro-tts-addon 开源

在浏览器里离线跑神经TTS，低配硬件也能流畅发声。

kokoro-tts-addon 是一个面向浏览器的本地神经文本转语音（TTS）解决方案，旨在让网页应用无需联网···

voicehub 开源

一套接口，调用所有 TTS 模型，快速集成语音合成。

VoiceHub 是一个为文本转语音（TTS）模型提供统一推理接口的开源工具。它解决了 TTS 模型生态碎片化···

edge-tts-universal 开源

无需 Edge 和 API key，任意 JS 环境一键接入微软语音合成

edge-tts-universal 是一个基于 TypeScript 编写的同构 JavaScript 库，让你无需安装 Microsoft Ed···

chatterbox-tts-api 开源

本地跑个 OpenAI 兼容的语音克隆 API，随便接进你的 AI 应用

Chatterbox TTS API 是一个本地部署的、兼容 OpenAI 接口的文本转语音服务，基于 Chatterbox 模型实···

Chatterbox-TTS-Server 开源

一键自托管，轻松生成高质量语音，支持声音克隆和长文本处理。

Chatterbox-TTS-Server 是一个自托管的文本转语音（TTS）服务，基于强大的 Chatterbox 模型。它解决···

Chatterbox-TTS-Extended 开源

把整本书丢进去，自动生成有声书，还能克隆声音

Chatterbox-TTS-Extended 是 Chatterbox 文本转语音项目的增强版，主要解决原始版本对输入文本长度···

Speech2Speech 开源

本地运行，语音转语音，隐私全掌握

Speech2Speech 是一个完全私密的语音转语音 Web 应用，用户可以通过浏览器直接完成语音输入、识别、···

MagiCodec 开源

单层流式音频编码，让下游模型更易用

MagiCodec 是一个单层流式音频编解码模型，旨在提供当前最优的音频质量，并生成离散 token，以提升···

parkiet 开源

荷兰语文本秒变自然语音，开源 TTS 模型

Parkiet 是一个基于 JAX 的荷兰语文本转语音（TTS）模型，参数量为 16 亿。它旨在解决荷兰语语音合···

AudioMuse-AI 开源

声学分析自动挖掘曲库，生成智能歌单，找回被遗忘的好歌。

AudioMuse-AI 是一个开源的智能音乐分析引擎，专注于解决音乐库中“有歌却难找”的痛点。它通过声学···

StreamingKokoroJS 开源

浏览器里无限量本地语音合成，告别云端依赖

StreamingKokoroJS 是一个基于 Kokoro-JS 的浏览器端文本转语音（TTS）库，主打 100% 本地运行与完···