#audio-generation Repositories
Entdecke 42 aktive Open-Source-GitHub-Repositories, die mit #audio-generation getaggt sind und insgesamt 324,111 Sterne gesammelt haben (durchschnittlich 7,716 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist microsoft/VibeVoice mit 57,449 Sternen.
Insgesamt 42 Repositories
LocalAI ist der Open-Source-KI-Motor. Führen Sie jedes Modell aus – LLMs, Vision, Sprache, Bild, Video – auf jeder Hardware aus. Keine GPU erforderlich.
Mehrsprachiges großes Sprachgenerierungsmodell, das Full-Stack-Fähigkeiten für Inferenz, Training und Bereitstellung bietet.
Audiocraft ist eine Bibliothek für die Audioverarbeitung und -generierung mit Deep Learning. Sie enthält den hochmodernen Audio-Kompressor/Tokenizer EnCodec sowie MusicGen, ein einfaches und steuerbares Musikgenerierungs-LM mit Text- und Melodiebedingung.
YuE2: modernste Musikgenerierung mit symbolischer Planung, Zero-Shot-Covern und agentenbasierter Musikbearbeitung.
Amphion (/æmˈfaɪən/) ist ein Toolkit für die Generierung von Audio, Musik und Sprache. Sein Zweck ist es, reproduzierbare Forschung zu unterstützen und Nachwuchswissenschaftler und -ingenieure beim Einstieg in die Forschung und Entwicklung im Bereich der Audio-, Musik- und Spracherzeugung zu unterstützen.
Zonos-v0.1 ist ein führendes Open-Weight-Text-to-Speech-Modell, das auf über 200.000 Stunden abwechslungsreicher mehrsprachiger Sprache trainiert wurde und eine Ausdrucksstärke und Qualität liefert, die mit den besten TTS-Anbietern mithalten kann oder diese sogar übertrifft.
Kimi-Audio, ein Open-Source-Audiofundierungsmodell, das sich in Audioverständnis, -generierung und -gesprächen auszeichnet
Ein einzelnes Gradio + React WebUI mit Erweiterungen für ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS, Stable Audio, MMS, StyleTTS2, MAGNet, AudioGen, MusicGen, Tortoise, RVC, Vocos, Demucs, SeamlessM4T und Bark!
Vielseitige Audio-Super-Resolution (beliebig -> 48kHz) mit AudioSR.
Eine Zeitleiste der neuesten KI-Modelle für die Audiogenerierung, beginnend im Jahr 2023!
VibeVoice: Expressive, Longform-Konversationssprachsynthese. (Community Fork)
Implementierung von SoundStorm, effiziente parallele Audiogenerierung von Google Deepmind, in Pytorch
Hosten Sie das leistungsstarke Chatterbox TTS-Modell selbst. Dieser Server bietet eine benutzerfreundliche Weboberfläche, flexible API-Endpunkte (inkl. OpenAI-kompatibel), vordefinierte Stimmen, Stimmklonen und die Verarbeitung großer Textmengen im Hörbuchformat. Läuft beschleunigt auf NVIDIA (CUDA), AMD (ROCm) und CPU.
Ein umfassendes Open-Source-Framework für Skills und Assets zur AAA-Spieleentwicklung.
Eine ComfyUI-Custom-Node-Integration für lokale, Multi-Engine- und mehrsprachige Text-to-Speech- und Voice-Conversion-Funktionen. Unterstützt: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (klassisch und mehrsprachig), F5-TTS, Higgs Audio 2, 3 und VibeVoice mit unbegrenzter Textlänge, SRT-Timing, Charakterunterstützung und vielen Audiotools.
Ein Basismodell, das synchronisierte Videos und Audiodaten in einem einzigen Modell generiert
Über 660 von muapi gehostete generative Medienmodelle sowie von der Community eingereichte API-Tools von Drittanbietern (SEO, Datenanreicherung, soziale Medien, Scraping) — eine YAML-Datei pro Eintrag, nach Funktionen durchsuchbar.
Der Knotenpunkt für Audio-KI-Forschung: Papiere, offene Modelle, Benchmarks und Datensätze zu Audio-LLMs, Spracherkennung, TTS, Musik- und Audio-Generierung.
KI-Audiodatensätze (AI-ADS) 🎵, einschließlich Sprache, Musik und Soundeffekte, die Trainingsdaten für Generative AI, AIGC, KI-Modelltraining, Entwicklung intelligenter Audiertools und Audioanwendungen bereitstellen können.
Flatkey-CLI zur Mediengenerierung für Bilder, Videos, Audio, Text, Credits und die Modellsuche.
Lokale KI-Hintergrundmusik und Soundeffekte für Claude Code und jeden MCP-Client. Stable Audio 3 auf Apple Silicon (MLX) und Windows mit NVIDIA-GPUs (PyTorch). Keine Cloud, kein API-Schlüssel.
✨✨[NeurIPS 2025] VITA-Audio: Schnelle verschränkte kreuzmodale Token-Generierung für ein effizientes großes Sprach-Sprachmodell
Ein Open-Source-Projekt zur Vereinheitlichung von Audioverarbeitung und -generierung
Genblaze ist ein Open-Source-Python-SDK zur Orchestrierung von generativen KI-Medienpipelines über Video-, Audio- und Bildanbieter hinweg, mit integrierter Herkunft für jede Ausgabe.
Offizielles Repository für WavCraft, einen KI-Agenten für die Audioerstellung und -bearbeitung
Häufig gestellte Fragen
Welches ist das beliebteste #audio-generation-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#audio-generation-Projekt auf GitHub ist microsoft/VibeVoice mit 57,449 Sternen. Open-Source Frontier Voice AI
Welche Programmiersprachen werden in #audio-generation-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #audio-generation-Projekten auf GitHub sind Python, Jupyter Notebook, Go, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #audio-generation-Repositories berechnet?
Wir verfolgen 42 aktive Open-Source-Repositories, die mit #audio-generation getaggt sind (500+ Sterne), mit insgesamt 324,111 Sternen und durchschnittlich 7,716 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.