Awesome-Vision-to-Music-Generation
看图像视频，一键生成匹配音乐的研究导航
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 ★ 126
技术标签
核心亮点
- 按方法、数据集、评估、挑战四维分类，检索效率高
- 结合ISMIR 2025综述，内容权威且前沿
- 覆盖多模态对齐、同步性等核心难点，实用性强
不足之处
- 文档/社区待观察
- 项目尚处早期，资源收录可能不全
适用场景
- 科研人员快速调研视觉音乐生成领域
- 工程师寻找可用的跨模态生成模型参考
- 学生入门学习多模态生成技术路线
替代项目
Awesome-Music-Generation、Awesome-Audio-Visual-Segmentation、Awesome-Multimodal-Generation
上一篇：ThemeTransformer
下一篇：word2wave
同类项目推荐
audio.cpp
开源
纯 C++ 搞定音频 AI 推理，无 Python 依赖，性能拉满
An all-in-one, pure C++ inference engine for audio models, powered by ggml. Supports···
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···
examples
开源
照着抄，快速接入 ElevenLabs 语音合成与配音
MioTTS-Inference
开源
轻量快速的 LLM 语音合成推理服务，支持声音克隆，即插即用。
Inference server for MioTTS, a lightweight and fast LLM-based TTS model.
linuxwave
开源
把系统随机数变成音乐，听见 Linux 的脉搏
Generate music from the entropy of Linux
deepvoice3_pytorch
开源
用 PyTorch 复现百度 Deep Voice 3，快速训练文本转语音模型
PyTorch implementation of convolutional neural networks-based text-to-speech synthes···
UnityTTS
开源
在 Unity 里一键让文字开口说话，快速集成 TTS 功能。
Text to Speech in Unity.
clipboard-narrator
开源
复制网页文字，后台自动朗读成有声书
Turn any web page into an audiobook, works in the background on desktop!
sanoTTS
开源
几美元芯片也能跑的自然语音合成
sanoTTS (सानो = 'small' in Nepali): a ~294k-1.4m param neural TTS that runs on a···