voice-cloning 第 3 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 3 / 3 页）
YouTranslateYouTranslate 是一个基于 Python 的开源工具，用于将 YouTube 视频中的语音克隆并翻译成其他语言，从而生成配音后的新视频。它解决的是视频★ 110
LA-StudioLA Studio 是一个本地优先的 AI 音频平台，旨在帮助用户探索、下载并测试语音识别（STT）、文本转语音（TTS）和声音克隆等模型。它解决了音频 AI ★ 100
VideoLingo-OneClickVideoLingo-OneClick 是一个面向视频创作者和本地化团队的自动化工具，整合了 VideoLingo 的翻译能力和 CosyVoice 的语音合成★ 96
HiggsAudio-StudioHiggsAudio-Studio 是一个面向 Windows 的便携式文本转语音（TTS）工具，集成了 Higgs Audio v3 模型和 AI 文本导演功★ 94
AceForgeAceForge 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 构建。它解决的是音乐★ 94
ComfyUI-ExpertComfyUI-Expert 是一个基于 Claude Code 的智能代理工具，专为 ComfyUI 视频制作流程设计。它通过 12 个专业技能，覆盖图像生成★ 92
personaplex-mlxPersonaPlex-MLX 是 NVIDIA PersonaPlex 全双工语音对话模型在 Apple Silicon 上的 MLX 移植版，旨在让 Mac★ 89
viet-ttsVietTTS 是一个开源的越南语文本转语音（TTS）引擎，旨在为越南语社区提供高质量、易用的语音合成解决方案。它解决了越南语 TTS 资源稀缺、商业 API ★ 88
cosyvoice-dockerCosyVoice 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，具备零样本声音克隆、跨语种语音合成、情感控制等能力。本项目将★ 88
resemble-alexaresemble-alexa 是一个示例项目，展示如何构建一个使用真实感语音克隆技术的 Alexa 技能。它结合了 Resemble AI 的文本转语音 API★ 86
Irodori-TTS-ServerIrodori-TTS-Server 是一个基于 Python 的文本转语音（TTS）服务端，它实现了 OpenAI 的 Text-to-Speech API ★ 80
draft-to-takeDraft to Take 是一个本地优先的 AI 音频制作工作室，旨在将粗糙的语音草稿快速转化为专业级音频成品。它利用 IndexTTS2 进行高质量语音合成★ 78
DEEPFAKE-AUDIODeepfake Audio 是一个基于 SV2TTS 技术的神经语音克隆工作室，旨在通过深度学习模型实现高度逼真的语音合成与克隆。它解决了传统语音合成需要大量★ 76
youtube-auto-dubyoutube-auto-dub 是一个本地优先的开源 YouTube 视频配音工具，旨在将视频中的原始语音克隆并翻译成另一种语言，同时保持时间同步。它解决了视★ 75
Higgs_v3-TTS-ComfyUIHiggs_v3-TTS-ComfyUI 是一套专为 ComfyUI 设计的节点，用于集成 Higgs Audio v3 TTS 4B 模型。该模型支持 100★ 74
wtonecWtonec 是一个针对微信和 QQ 的 LSPosed/Xposed 模块，主要提供语音增强、文字转语音（TTS）和语音包功能。它解决了在社交软件中语音消息音★ 74
mel-cepstral-distance这是一个用于计算两段语音或音频之间Mel倒谱距离（MCD）的Python库，MCD是语音合成与语音转换领域常用的客观质量评估指标。它基于Robert F. Ku★ 69
coqui_tts_korea这是一个基于 Coqui TTS 的韩语语音合成项目，使用 GlowTTS 和 Multiband MelGAN 模型实现高质量的韩语文本转语音。项目主要解决韩★ 66
vibevoice-studioVibeVoice 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。它允许用户录制或上传音频来训练个性化语★ 64
ComfyUI-Step_Audio_EditX_TTSComfyUI-Step_Audio_EditX_TTS 是一个为 ComfyUI 开发的音频处理节点插件，集成了 Step Audio EditX 模型，提供★ 63
AllVoiceLab-MCPAllVoiceLab-MCP 是 AllVoiceLab 官方推出的模型上下文协议（MCP）服务器，旨在让 AI 助手（如 Claude、GPT 等）通过标准★ 62
MimicManiaMimicMania 是一个基于 Streamlit 构建的开源语音合成与克隆 Web 应用，旨在让用户通过简单的文本输入即可生成自然语音，并支持克隆自定义音色★ 61
GenVCGenVC 是一个基于自监督生成式语言模型的语音转换（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，同时保留语言内容和情感★ 60
RVCBenchRVCBench 是一个针对语音克隆鲁棒性、说话人隐私和音频保护的基准测试框架，覆盖 26 个 TTS 和 VC 模型。它解决当前语音合成技术被滥用（如深度伪造★ 58
zerovoxzerovox 是一个基于深度学习的零样本（zero-shot）实时语音合成（TTS）系统，完全离线运行，免费且开源。它旨在解决传统 TTS 系统需要针对特定说★ 56
rtvcrtvc 是一个基于 ElevenLabs API 的实时语音转录与克隆工具，使用 TypeScript 编写。它解决了开发者在应用中集成实时语音交互的需求，提★ 56
ttslabTTSLab 是一个本地运行的开源文本转语音（TTS）测试工具，旨在让用户零成本地在自己的电脑上轻松测试任意 TTS 模型。它解决了 TTS 模型评估和对比中需★ 54
NeuralTextToAudioNeuralTextToAudio 是一个基于文本提示生成合成音频的开源项目，旨在通过自然语言描述来控制音频生成过程，解决传统音频制作依赖专业设备和手工编辑、门★ 53
voice-cloning-collabvoice-cloning-collab 是 Real-time-voice-cloning 的改进版本，专注于实时语音克隆。它解决了原始项目在声音相似度和自然★ 52
vllm-chatterbox-streamvllm-chatterbox-stream 是一个基于 vLLM 推理引擎的多语言文本转语音（TTS）服务，兼容 OpenAI API 接口，支持实时 PCM★ 8
videoibl.ai 平台的 AI 视频工作室：在统一工作空间中生成数字人视频、克隆声音并撰写脚本，基于 Next.js、TypeScript 与 Tailwind C★ 4