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 ★ 329
技术标签
核心亮点
- 基于 ACM MM 最佳论文，算法有学术背书，效果有保障
- 支持可控音乐生成，可指定情绪、速度等属性，灵活度高
- 提供完整训练和推理代码，便于二次开发和复现
不足之处
- 项目较早期，文档和社区支持有限，上手门槛较高
- 模型依赖预训练特征，对输入视频质量有一定要求
适用场景
- 视频创作者自动生成背景音乐
- 影视后期快速配乐原型
- 音乐生成与视频理解交叉研究
替代项目
Music Transformer、MuseGAN、Video2Music
同类项目推荐
awesome-audio-plaza
开源
每天更新音频AI论文，帮你紧跟音乐生成和语音合成前沿
Daily tracking of awesome audio papers, including music generation, zero-shot tts, a···
dsh-tts-bridge
开源
对话文字自动变本地朗读，解放眼睛
DSH 朗读桥：会话里的话自动交给 DeepSeek 网页端朗读，声音从你自己的电脑里出来
lyrictor
开源
把歌曲变成可分享的 AI 视觉作品，无需设计基础
Desktop and browser-based creative tool for turning personal interpretations of song···
Tacotron-pytorch
开源
用 PyTorch 复现 Tacotron，快速搭建端到端语音合成模型
A Pytorch Implementation of Tacotron: End-to-end Text-to-speech Deep-Learning Model
Daft-Exprt
开源
跨说话人迁移韵律，让合成语音更有情感
PyTorch Implementation of Daft-Exprt: Robust Prosody Transfer Across Speakers for Ex···
VoicEra
开源
开源语音AI模块，接上电话就能让LLM打电话对话
A complete voice AI building block with telephony integration, featuring real-time s···
espeak-ng
开源
轻量离线多语言语音合成，百种语言即用即说
eSpeak NG is an open source speech synthesizer that supports more than hundred langu···
qwen-tts-webui
开源
浏览器里填文本选音色，一键生成 Qwen3 语音
基于 Qwen3 TTS 的 WebUI
musical-neural-net
开源
用 LSTM 训练 AI 生成钢琴或小提琴音乐，输入 MIDI 即出作品。
Train an LSTM to generate piano or violin/piano music.