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
Unitale
开源
免费
可打开
浏览器里一键把剧本变成带音效和配图的有声书
Unitale 是一款基于 IndexTTS 和 Qwen3TTS 的 AI 有声书制作工具，旨在解决从文本到成品有声书的全···
magda-core
开源
可打开
用代码和AI驱动音乐制作，让DAW自动化飞起来
magda-core 是一个基于 C++20 和 JUCE 框架构建的数字音频工作站（DAW）核心库，专为自动化、音频变···
awesome-suno-prompts
开源
免费
仅开源
千条专业提示词，一键生成榜单级歌曲
这是一个精选的 Suno AI 音乐提示词合集，收录了超过 1000 条专业级风格提示词，帮助用户生成接近榜···
heartlib
开源
免费
仅开源
输入文字，本地生成完整音乐，开源可商用
heartlib 是 HeartMuLa 音乐生成模型的官方开源仓库，定位为 2026 年最强的开源音乐生成模型。它面···
Novery
开源
免费
仅开源
多源聚合+离线朗读，打造你的专属小说阅读器
Novery 是一款现代化的安卓小说阅读器，专注于多源内容聚合与离线阅读体验。它解决了小说爱好者需要···
soprano-factory
开源
免费
仅开源
训练你的 2000 倍实时超快语音合成模型
Soprano-Factory 是一个用于训练超高速文本转语音（TTS）模型的开源项目，其核心目标是让开发者能够···
kugelaudio-open
开源
免费
仅开源
欧洲语言文本转语音，还能克隆你的音色
kugelaudio-open 是一个面向欧洲语言的开源文本转语音（TTS）项目，用 Python 实现，支持语音克隆。···
NekoSpeak
开源
免费
仅开源
手机本地离线朗读，隐私无忧，多种模型任选
NekoSpeak 是一款面向 Android 的本地离线 AI 语音合成应用，支持 Kokoro、KittenTTS、Pocket-tts ···
GSV-TTS-Lite
开源
免费
仅开源
让 GPT-SoVITS 语音克隆跑得更快，部署更简单
GSV-TTS-Lite 是一个专为 GPT-SoVITS 文本转语音模型设计的高性能推理引擎，专注于少样本语音克隆。···
pocket-tts
开源
免费
仅开源
普通 CPU 也能本地跑的文字转语音工具
pocket-tts 是一个面向 CPU 环境的轻量级文本转语音（TTS）开源项目，核心目标是在不依赖独立显卡的···
LEMAS-TTS
开源
免费
仅开源
一个模型克隆10种语言的说话人声音，几秒音频即可合成新语音。
LEMAS-TTS 是一个多语言零样本文本转语音系统，支持中文、英语、西班牙语、俄语、法语、德语、意大···
youtube-auto-dub
开源
免费
仅开源
一键将 YouTube 视频自动翻译并配音成多语言，保留原声背景音乐。
youtube-auto-dub 是一个基于 AI 的 YouTube 视频自动配音流水线工具。它解决了视频内容跨语言传播···
opencode-smart-voice-notify
开源
免费
仅开源
编码时用语音播报任务结果，不错过任何关键状态。
这是一个为 OpenCode 打造的智能语音通知插件，主要解决开发者在编码时无法及时关注任务完成状态或···
Fun-Audio-Chat
开源
免费
仅开源
直接听你说、开口回你，低延迟语音对话模型
Fun-Audio-Chat 是一个面向自然、低延迟语音交互场景的大型音频语言模型（Large Audio Language Mo···
AceForge
开源
免费
仅开源
在 Mac 上离线完成 AI 作曲、人声分离和语音合成
AceForge 是一款面向 Apple/OSX 平台的本地优先 AI 音乐工作站，基于 Ace-Step、DeMucs 和 XTTSv2 ···
cosyvoice-docker
开源
免费
仅开源
一条命令部署阿里 CosyVoice，带界面和 API，秒级克隆音色
CosyVoice 是阿里通义实验室开源的语音合成（TTS）大模型，支持中文、英文、日文等多种语言，具备零···
GPA
开源
免费
仅开源
一个模型搞定语音识别、合成和转换，轻量高效
GPA（General Purpose Audio）是一个基于Transformer的通用音频模型，由AutoArk团队开发，旨在用单···
T5Gemma-TTS
开源
免费
仅开源
上传一段语音，即刻克隆音色并生成多语言自然语音。
T5Gemma-TTS 是一个基于 T5Gemma 编码器-解码器大语言模型的多语言语音合成项目，专注于语音克隆和···
vibevoice-rs
开源
免费
仅开源
用Rust实现语音克隆与多说话人TTS，高性能低延迟。
vibevoice-rs 是一个基于 Rust 的文本转语音（TTS）引擎，实现了 VibeVoice 的语音克隆与多说话人合···
SpatialFlow
开源
免费
已失效
一个 App 管在线与本地音乐，还带音效调校
SpatialFlow 是一款 Kotlin 编写的 Android 音乐播放应用，把在线流媒体、本地高保真播放和智能音频···
GLM-TTS
开源
可打开
几秒克隆音色，还能带情绪说话，让TTS更自然
GLM-TTS 是一个基于多奖励强化学习的零样本语音合成（TTS）项目，由智谱AI推出。它解决的核心问题是···
M3-TTS
开源
免费
仅开源
零样本合成高保真语音，多模态对齐+流匹配
M3-TTS 是一个基于 PyTorch 的开源语音合成项目，实现了论文《M3-TTS: Multi-modal DiT Alignment ···
mlx-audio-swift
开源
免费
仅开源
在苹果芯片上，用 Swift 轻松实现本地语音/音频 AI 处理。
mlx-audio-swift 是一个专为 Apple Silicon 设计的模块化 Swift 音频处理 SDK，基于 MLX 框架构建。···
ViSAudio
开源
免费
仅开源
给视频自动配上带方向感的双耳空间音效
ViSAudio 是一个端到端的视频驱动双耳空间音频生成开源项目，目标是从普通视频画面直接合成具有方向···
