speech-synthesis

OpenBMB/VoxCPM

Python

VoxCPM：面向上下文感知语音生成与逼真音色克隆的无分词器文本转语音系统

audio deeplearning minicpm

OpenBMB 开发者

30k

3.4k

701

+418

排名 #5

6月17日

查看详情

NVIDIA-NeMo/Speech

Python

一个可扩展的生成式 AI 框架，专为从事大语言模型、多模态及语音 AI（自动语音识别与文本转语音）的研究人员和开发者构建。

asr deeplearning generative-ai

NVIDIA-NeMo 开发者

17k

3.5k

445

+19

排名 #12

8月5日

查看详情

NVIDIA-NeMo/NeMo

Python

专为从事大语言模型、多模态和语音人工智能（自动语音识别与文本转语音）的研究人员和开发者打造的可扩展生成式AI框架

asr deeplearning generative-ai

NVIDIA-NeMo 开发者

17k

3.4k

962

+9

排名 #22

6月12日

查看详情

NVIDIA/DeepLearningExamples

Jupyter Notebook

按模型组织的尖端深度学习脚本——易于在企业级基础设施上进行训练和部署，并具备可复现的准确性与性能。

computer-vision deep-learning drug-discovery

NVIDIA 开发者

14k

3.4k

523

排名 #8

5月16日

查看详情

supertone-inc/supertonic

Swift

闪电般快速、设备端运行的多语言TTS——通过ONNX原生执行。

cpp csharp flutter

supertone-inc 开发者

13k

1.4k

498

+8

排名 #8

7月31日

查看详情

abus-aikorea/voice-pro

Python

为创作者和开发者打造的Gradio WebUI，具备核心TTS功能（Edge-TTS、kokoro）和零样本声音克隆（E2与F5-TTS、CosyVoice），并集成Whisper音频处理、YouTube下载、Demucs人声分离和多语言翻译。

audiobook faster-whisper gradio

abus-aikorea 开发者

12k

1.7k

65

+46

排名 #11

8月3日

查看详情

huggingface/speech-to-speech

Python

语音转语音：致力于构建开源模块化GPT4-o的项目

ai assistant language-model

huggingface 开发者

10k

1.3k

564

+4k

排名 #11

8月2日

查看详情

espeak-ng/espeak-ng

C

eSpeak NG是开源语音合成器，支持上百种语言和口音

android espeak espeak-ng

espeak-ng 开发者

6.6k

1.3k

562

+4

排名 #9

7月12日

查看详情

snakers4/silero-models

Jupyter Notebook

Silero模型：提供预训练语音转文本、文本转语音和文本增强模型，极致简化实现

armenian azerbaijani belarus

snakers4 开发者

6k

370

70

+5

排名 #15

8月4日

查看详情

openutau/OpenUtau

C#

开放歌唱合成平台 / 开源UTAU继任者

music openutau singing-synthesis

openutau 开发者

4.1k

534

394

+5

排名 #16

7月31日

查看详情

stakira/OpenUtau

C#

开放歌声合成平台/开源UTAU后继项目

music openutau singing-synthesis

stakira 开发者

3.9k

492

623

+6

排名 #6

6月1日

查看详情