riffusion-manipulation
用图像扩散模型，像P图一样编辑音频
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 96
核心亮点
- 提供音频到频谱图、频谱图到音频的完整转换工具，开箱即用
- 基于 Riffusion 官方模型，支持 img2img 和 inpainting 等高级编辑操作
- 代码简洁，适合作为二次开发的基础库
不足之处
- 文档/社区待观察
- 依赖 Riffusion 模型，模型体积大，推理速度较慢
- 功能相对单一，主要面向技术用户，缺少图形界面
适用场景
- 音乐制作人进行音色风格转换或局部重绘
- AI 爱好者学习扩散模型在音频领域的应用
- 开发者构建自定义音频生成或编辑工具链
替代项目
Riffusion、AudioLDM、MusicGen
同类项目推荐
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。
Frontier CoreML audio models in your apps — text-to-speech, speech-to-text, voice a···
wyoming-piper-gpu
开源
给 Home Assistant 的 Piper 语音装上 GPU 加速，秒级响应
Wyoming Piper docker container with GPU support for Home-Assistant
Dia-TTS-Server
开源
自托管对话式语音合成，一键部署，支持声音克隆和 OpenAI API。
Self-host the powerful Dia TTS model. This server offers a user-friendly Web UI, fle···
YouTranslate
开源
一键克隆你的声音，把 YouTube 视频翻译成任何语言
Takes a youtube video, clones the voice and re-creates that video in a different lan···
Tacotron
开源
长文本语音合成不掉字，PyTorch 实现 Tacotron
A PyTorch implementation of Location-Relative Attention Mechanisms For Robust Long-F···
apple_airplayer
开源
把 AirPlay 音箱变成会说话的 TTS 喇叭
Make your AirPlay devices as TTS speakers
react-text-to-speech
开源
React 里几行代码搞定文字转语音，支持高亮和队列
An easy-to-use React.js library that leverages the Web Speech API to convert text to···
T5Gemma-TTS
开源
上传一段语音，即刻克隆音色并生成多语言自然语音。
Multilingual TTS model with voice cloning and duration control, based on T5Gemma enc···
vst
开源
在DAW里输入文字，直接生成声音，创意音色一键即得
Generate sounds from words. Directly in your DAW.