zero-shot-tts
本站收录 10 个带「zero-shot-tts」标签的 AI 开源项目
OpenVoice由 MIT 与 MyShell 联合打造的开源音频基础模型,支持即时声音克隆。仅需一段参考音频即可克隆任意音色,并支持多语言、多情感输出与细粒度音色控制,为各类★ 38,295
index-ttsindex-tts 是一个面向工业级应用的零样本文本转语音(TTS)系统,核心能力是仅凭几秒参考音频即可克隆说话人音色,并用于跨语言语音合成。它解决了传统语音合★ 25,217
metavoice-srcMetaVoice 是一个基于深度学习的情感语音合成基础模型,专注于生成高度自然、富有表现力的语音。它解决了传统 TTS 系统声音机械、缺乏情感和个性化的问题,★ 4,200
AuKAuK 是一个开源语音生成与编辑基础模型,目标是把语音合成、语音编辑、说话人提取、语音增强和音源分离等任务统一到一个模型框架中。它解决的是传统语音流水线中模型碎★ 1,614
Step-Audio-EditXStep-Audio-EditX 是一个基于 3B 参数大语言模型和强化学习的音频编辑模型,专注于情感、说话风格和副语言特征的精细编辑,同时具备强大的零样本语音★ 1,005
Confucius4-TTSConfucius4-TTS 是一个多语言与跨语言零样本语音合成引擎,基于 PyTorch 构建。它解决的核心问题是:在无需针对特定说话人进行微调的情况下,用极★ 861
awesome-audio-plaza这是一个每日更新的音频方向前沿论文精选列表,聚焦音乐生成、零样本语音合成、语音识别和通用音频生成等热门子领域。项目以GitHub仓库形式维护,通过持续追踪arX★ 410
WavTTSWavTTS 是一个面向零样本语音合成的开源研究项目,核心思路是绕过传统声学特征(如梅尔频谱)的中间表示,直接对原始波形建模,从而减少声码器环节带来的信息损失与★ 216
VoiceboxVoicebox 是一个面向 Android 的离线语音克隆与多语种语音合成应用,基于 GPT-SoVITS 模型,通过 ONNX Runtime 在手机本地完★ 210
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★ 59