voice-cloning 第 2 页
本站收录 131 个带「voice-cloning」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 3 页）
ComfyUI-VoxCPMComfyUI-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。它解决了在 ComfyUI 工作流中集成先★ 517
talk-to-fengge这是一个基于实时语音技术的声音与性格克隆项目，旨在让用户与任何人的数字分身进行自然对话。它解决了传统语音助手缺乏个性化和真实感的问题，通过克隆目标人物的音色和说★ 484
ChatTTS-OpenVoiceChatTTS-OpenVoice 是一个将 ChatTTS 与 OpenVoice 融合的开源语音克隆工具。它解决的核心问题是：ChatTTS 本身不支持个性★ 466
Neural-Voice-Cloning-With-Few-Samples这是一个基于论文《Neural Voice Cloning With Few Samples》的开源实现，旨在解决少样本语音克隆问题。它通过少量参考音频（甚至几★ 432
xtts2-uixtts2-ui 是一个为 Coqui XTTS-2 模型打造的图形化界面工具，让用户仅需 10 秒的语音样本即可完成文本到语音的克隆。它解决了 XTTS-2 ★ 401
Multi-Tacotron-Voice-Cloning这是一个基于多语种Tacotron的语音克隆项目，支持俄语和英语两种语言的音素级语音合成与克隆。它解决了跨语言语音克隆中音素映射和发音准确性的问题，核心能力包括★ 397
izwiizwi 是一个本地优先的语音 AI 运行时，用 Rust 编写，提供语音转文字、说话人分离、文字转语音和声音克隆能力，并兼容 OpenAI API 格式。它解★ 393
VocelloVocello 是一款专为 Apple Silicon 设计的本地、私密语音工作室。它允许用户编写脚本，选择或描述声音，并在设备端生成语音，速度超过实时，即使在★ 381
VoxNovelVoxNovel 是一个将电子书转换为有声书的开源工具，核心特点是能为书中每个角色分配不同的配音演员，实现多角色语音合成。它解决的是传统 TTS 生成有声书时声★ 377
openliveopenlive 是一个开源的、设备端运行的语音与视觉交互层，专为 AI 代理设计。它解决了云端语音服务延迟高、成本高、隐私风险大的问题，让开发者可以自由接入任★ 366
Cross-Lingual-Voice-Cloning这是一个基于PyTorch的Tacotron 2实现，专注于跨语言语音克隆。它解决了传统语音合成系统只能使用单一语言训练数据的问题，允许用户用源语言的语音样本克★ 359
Dia-TTS-ServerDia-TTS-Server 是一个自托管的 Dia TTS 模型推理服务器，旨在解决高质量对话式语音合成部署复杂的问题。它基于 Python 和 FastAP★ 355
easevoice-trainerEaseVoice Trainer 是一个面向普通用户的语音克隆与语音合成模型训练工具。它旨在降低语音模型训练的门槛，让非专业人士也能通过简单的操作训练出个性化★ 348
csm-voice-cloningcsm-voice-cloning 是一个基于 Sesame CSM 1B 模型的语音克隆开源项目，旨在让开发者能够通过少量参考音频快速克隆目标说话人的音色，并★ 338
ultimate-rvcultimate-rvc 是一个基于检索式语音转换（RVC）的音频内容创作应用，主要用于生成歌曲翻唱和语音合成。它解决了普通用户难以训练和使用高质量语音模型的问★ 336
UltraEval-AudioUltraEval-Audio 是一个面向音频领域的统一评测基准框架，旨在为 ASR（语音识别）、TTS（语音合成）、音频编解码器以及音频大语言模型提供标准化、★ 327
WeeaBlindWeeaBlind 是一个用现代 AI 技术为外语影视媒体制作配音的开源工具。它解决了非英语视频内容在本地化过程中人工配音成本高、周期长的问题，通过自动语音识别★ 326
T5Gemma-TTST5Gemma-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，专注于语音克隆和时长控制。它利用先进的 LLM 架构，将文本输★ 313
ComfyUI-Qwen3-TTSComfyUI-Qwen3-TTS 是一个将阿里通义千问团队开源的 Qwen3-TTS 模型集成到 ComfyUI 中的自定义节点套件。它解决了在 ComfyU★ 313
guaardvarkGuardvark 是一个自托管的 AI 工作站，旨在将多种 AI 能力整合到本地硬件上运行。它解决了用户对数据隐私和云端依赖的担忧，提供了一套完整的本地 AI★ 271
voxtreamVoXtream 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 需要等待完整音频生成才能播放的问题，以及零样本克隆中★ 256
ComfyUI-GPT_SoVITSComfyUI-GPT_SoVITS 是一个将 GPT-SoVITS 集成到 ComfyUI 的自定义节点，让用户能在 ComfyUI 的可视化工作流中直接进行★ 255
AI-Video-Translation这是一个基于Google Colab的简易视频翻译工具，主要功能是将原始视频翻译成多种语言，并同步调整口型。它解决的是视频内容跨语言传播时，需要人工配音或字幕翻★ 255
Neural-Voice-Cloning-with-Few-Samples这是一个基于百度研究论文《Neural Voice Cloning with Few Samples》的Python实现，旨在用少量样本（甚至一句话）克隆目标说★ 254
asmr-dubberasmr-dubber 是一个用 Python 编写的音视频字幕与配音工具，主要面向 ASMR、音声作品等需要跨语言处理的场景。它把语音识别（ASR）、台本导入★ 244
One-Shot-Voice-CloningOne-Shot-Voice-Cloning 是一个基于 Unet-TTS 架构的一次性语音克隆开源项目，旨在通过少量参考音频（甚至一句话）即可复制目标说话人的★ 243
RVC-StudioRVC-Studio 是一个为 RVC（Retrieval-based Voice Conversion，基于检索的语音转换）相关任务打造的高颜值、高功能性的 ★ 233
voicesmithVoiceSmith 是一个正在开发中的语音合成工具包，旨在简化文本到语音（TTS）模型的训练流程。它主要面向研究人员和开发者，解决了传统 TTS 训练中数据管★ 230
fish-audio-pythonfish-audio-python 是 Fish Audio 官方推出的 Python 库，用于快速接入其文本转语音（TTS）和语音克隆 API。它解决了开发者★ 229
pyhtpyht 是 PlayHT 官方推出的 Python SDK，用于快速接入其 AI 文本转语音（TTS）与声音克隆 API。它解决了开发者需要将高质量、自然语音★ 218
Awesome-Text-to-SpeechAwesome-Text-to-Speech 是一个精心整理的文本转语音（TTS）领域资源列表，汇集了最新的工具、模型和资源。它旨在帮助开发者和研究者快速了解 ★ 210
MioTTS-InferenceMioTTS-Inference 是 MioTTS 的推理服务器，MioTTS 是一个基于大语言模型的轻量级、快速的文本转语音（TTS）模型。该项目旨在解决传统★ 205
kokoclonekokoclone 是一个基于 Kokoro TTS 的语音克隆工具，它将语音克隆能力直接集成到 Kokoro 文本转语音引擎中。该项目解决了用户需要自然多语言★ 205
dub-studiodub-studio 是一款面向 Windows 的免费离线 AI 视频配音工具，以单个原生 .exe 形式分发，无需安装 Python 环境。它解决视频本地化★ 204
XTTSv2-Finetuning-for-New-LanguagesXTTSv2-Finetuning-for-New-Languages 是一个针对 Coqui XTTS v2 模型进行多语言微调的开源工具，旨在让开发者能够为★ 204
ComfyUI-VoxCPM2VoxCPM2 TTS for ComfyUI 是一个将 VoxCPM2 文本转语音模型集成到 ComfyUI 中的节点包。它解决了在 ComfyUI 工作流中★ 202
lalalaiLALAL.AI 的官方 API 示例库，专注于音频分离与处理。它提供了一系列 Python 脚本，演示如何调用 LALAL.AI 的云端服务，实现人声与伴奏分★ 198
GSV-TTS-LiteGSV-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。它解决了 GPT-SoVITS 原始推理速★ 172
Voice-synthesisVoice-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，包含编码器、合成器和声码器三阶段。它允许用户仅用★ 170
OpenToysOpenToys 是一个面向创客和开发者的开源框架，旨在利用 MacBook 和 Arduino ESP32 快速构建本地 AI 玩具、机器人和智能设备。它解决★ 165
StyleTTS2StyleTTS2 是一个基于 StyleTTS 2 模型的文本转语音（TTS）与声音克隆工具，以 Python 包形式提供，可通过 pip 直接安装使用。它解★ 158
CycleGAN-VC3CycleGAN-VC3 是一个基于 CycleGAN 的语音转换（Voice Conversion）开源项目，旨在将一个人的声音转换为另一个人的声音，同时保留★ 157
text_generation_webui_xttstext_generation_webui_xtts 是一个为 oobabooga text-generation-webui 设计的 XTTSv2 扩展插件。★ 156
voice_clone_labvoice_clone_lab 是一个基于 Qwen3-TTS 的本地语音克隆工具，用户只需提供几分钟的音频样本，即可微调模型并生成与目标音色一致的语音。项目提★ 151
vantavanta 是一个基于 Remotion 构建的开源 AI 视频引擎，旨在替代 Synthesia、HeyGen、Runway、CapCut 等商业工具。它解决★ 148
Dia-Finetuning-Vietnamese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高质量微调方案的问题，核心能力包括使用Dia进行语音克隆和微调★ 128
Qwen3-TTS-EasyFinetuningQwen3-TTS-EasyFinetuning 是一个面向 Qwen3-TTS 模型的简易微调工具，旨在让开发者快速实现声音克隆和多语言高质量语音合成。它解决★ 128
vocal-craft-studiovocal-craft-studio 是一个专注于印地语和英语的 AI 语音工作室，提供批量声音克隆与文本转语音（TTS）功能。它解决了多语言语音合成中声音克隆★ 121
chatterbox-finetuningChatterbox 微调工具包，专为 Chatterbox TTS 和 TURBO 模型设计，支持 23 种语言，具备智能词汇扩展、离线预处理、自动 VAD ★ 118
fish-audio-hermesfish-audio-hermes 是 Fish Audio 官方为 Hermes Agent 打造的音频插件，把语音合成、语音识别、音色库、声音克隆和声音设计★ 118