ChatMusician
用下来最惊艳还是它的结构性把控，你说要"奏鸣曲式的展开部"，它绝不会给你弄成流行歌曲的重复副歌。更魔幻的是，这货生成的总谱居然自带表情记号，连"con brio"（充满活力地）这种专业标注都安排得明明白白。现在每次打开它的在线demo，都像在跟音乐学院优等生进行脑暴会议——只不过这位"学生"永远不会喊累，还能7×24小时飚创意。
VoiceCraft 是一款开源的零样本语音编辑和文本转语音工具。
它是一种标记填充神经编解码器语言模型，在包括有声读物、网络视频和播客在内的自然数据上的语音编辑和零样本文本转语音 (TTS)方面均实现了最先进的性能。
可以算的上当前最好用的语音编辑工具之一了。我们可以给它一段语音，编辑这段语音生成的文字，再把文字转回语音，还能保持说话人的声音。
而且如果想要克隆其他声音，仅需3秒！可以作为独立脚本部署至其他应用中。
Star：6.9k
数据统计
相关导航
GPT-SoVits
文本到语音的音色克隆模型
ChatTTS
文本转语音（TTS）模型
DemoFusion
要我说这项目最绝的地方，是它把学术界的前沿成果真正落在了实处。不同于那些只能跑benchmark的论文，他们的项目主页直接给出现成的工作流，连Colab新手都能三天上手——这才是真正的技术民主化！
TTS-Voice-Wizard
TTS Voice Wizard 是一款免费的、高度可集成的开源STT/TTS工具箱，专为VRChat、VTubing及直播场景打造无缝的实时语音转文字解决方案，核心功能零成本使用。
OpenCodeInterpreter
全量级开源的多轮交互式代码生成与优化平台
HivisionIDPhotos
开源AI证件照生成工具，支持全流程离线处理与精准尺寸控制
AniTalker
通过单张头像即可生成语音动画的AI开源项目