#voice-cloning Repositories
Entdecke 76 aktive Open-Source-GitHub-Repositories, die mit #voice-cloning getaggt sind und insgesamt 629,830 Sterne gesammelt haben (durchschnittlich 8,287 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist debpalash/VoiceStudio mit 115,753 Sternen.
Insgesamt 77 Repositories
VoiceStudio ist die quelloffene, vollständig lokal ausführbare Alternative zu ElevenLabs – mit Sprachklonen, Sprachdesign, Videodubbing, Diktierfunktion, Transkription und Hörbucherstellung in 646 Sprachen.
1 Minute an Sprachdaten kann auch verwendet werden, um ein gutes TTS-Modell zu trainieren! (wenig Schuss-Stimmenklonen)
Klonen Sie eine Stimme in 5 Sekunden, um beliebige Sprache in Echtzeit zu generieren
🐸💬 - ein Deep-Learning-Toolkit für Text-to-Speech, das in Forschung und Produktion erprobt wurde
VoxCPM2: Tokenizer-freies TTS für mehrsprachige Sprachgenerierung, kreatives Stimmendesign und lebensechte Klonierung
Mehrsprachiges großes Sprachgenerierungsmodell, das Full-Stack-Fähigkeiten für Inferenz, Training und Bereitstellung bietet.
Erstelle Hörbücher aus E-Books – mit über 50 TTS-Engines, Stimmenklonen und Unterstützung für 1.696 Sprachen!
Netflix-Level-Untertitelung, -Übersetzung, -Ausrichtung und sogar -Synchronisation – ein vollautomatisches KI-Video-Untertitelteam auf Knopfdruck | Netflix級字幕切割、翻譯、對齊、甚至加上配音,一鍵全自動視頻搬運AI字幕組
Beta: der wirklich kostenlose, quelloffene, lokal ausgerichtete, plattformübergreifende Videoeditor. Über eine JSON-RPC-API und MCP skriptfähig.
Ein Multi-Voice-TTS-System, das mit Schwerpunkt auf Qualität trainiert wurde
Qwen3-TTS ist eine Open-Source-Reihe von TTS-Modellen, die vom Qwen-Team der Alibaba Cloud entwickelt wurden. Sie unterstützt stabile, ausdrucksstarke und Streaming‑Sprachgenerierung, freiformige Sprachgestaltung und lebendige Sprachklonierung.
YuE2: modernste Musikgenerierung mit symbolischer Planung, Zero-Shot-Covern und agentenbasierter Musikbearbeitung.
Gradio WebUI für Kreative und Entwickler, mit wichtiger TTS (Edge-TTS, kokoro) und Zero-Shot Voice Cloning (E2 & F5-TTS, CosyVoice), mit Whisper-Audioverarbeitung, YouTube-Download, Demucs-Stimmisolation und mehrsprachiger Übersetzung.
Einfaches Sprach-Toolkit mit Self-Supervised-Learning-Modell, SOTA/Streaming-ASR mit Interpunktion, Streaming-TTS mit Text-Frontend, Sprecher-Verifizierungssystem, End-to-End-Sprachübersetzung und Keyword-Spotting. Gewann den NAACL2022 Best Demo Award.
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.
🎙️🤖Erstellen, Anpassen und Unterhalten Sie sich in Echtzeit mit Ihrem KI-Charakter/Begleiter (Alles in einer Codebasis!). Führen Sie nahtlose natürliche Gespräche mit KI überall (mobil, Web und Terminal) unter Verwendung von LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
Open-Source-KI-Videolokalisierung und -Synchronisation für YouTube/Bilibili: Spracherkennung, Untertitelübersetzung, Stimmenklonen, Audiomischung und Rendering. Open-Source-KI-Tool für Videoübersetzung und -synchronisation.
Ein hochqualitatives, schnelles TTS-Stimmenklonierungsmodell, das Geschwindigkeiten von 150× in Echtzeit erreicht。
Ein mehrsprachiges TTS-Modell mit 100 Millionen Parametern für Echtzeit-Inferenz auf der CPU, Stimmenklonen und Stereoerzeugung mit 48 kHz
Eine All-in-One, reine C++-Inferenz-Engine für Audiomodelle, angetrieben von ggml. Unterstützt TTS, STT, VAD, Sprachkonvertierung, Musikgenerierung und mehr mit hochoptimierter Leistung. Keine Python-Abhängigkeit.
Eine Open-Source-Modellfamilie für Langform-Sprachsynthese, Dialogsynthese, Sprachdesign, Soundeffekte und Echtzeit-Streaming-TTS
Ein einfaches, hochwertiges Stimmumwandlungstool, das auf Benutzerfreundlichkeit und Leistung ausgelegt ist.
Digital Avatar Konversationssystem - Linly-Talker. 😄✨ Linly-Talker ist ein intelligentes KI-System, das große Sprachmodelle (LLMs) mit visuellen Modellen kombiniert, um eine neuartige Methode der Mensch-KI-Interaktion zu schaffen. 🤝🤖 Es integriert verschiedene Technologien wie Whisper, Linly, Microsoft Speech Services und das SadTalker Talking Head-Generierungssystem. 🌟🔬
Intelligentes KI-Tool für mehrsprachige Video-Synchronisation/Übersetzung - Linly-Dubbing — „KI-gestützt, grenzenlose Sprachen“
Native LLM-Inferenzserver für Apple Silicon. Kompatibel mit den APIs von OpenAI und Anthropic. Ohne Python. macOS-App mit Zig-Backend und Swift-Frontend für die Generierung von Chats, Musik, Sprache und Videos.
Open-Source-Studio für lokale KI-Audio- und Musikproduktion unter macOS und Windows. Sprachsynthese, Stimmenklonen, Songs mit Text und mehrspurige Partituren – 100 % offline, keine API-Gebühren.
Ein auf Flow Matching basierendes Text-to-Speech-Modell mit emoji-gesteuerter Stilsteuerung
Offizieller MiniMax Model Context Protocol (MCP) Server, der die Interaktion mit leistungsstarken Text-to-Speech-, Bildgenerierungs- und Videogenerierungs-APIs ermöglicht.
Eine umfassende ComfyUI-Integration für Microsofts VibeVoice Text-to-Speech-Modell, die hochwertige Einzel- und Mehrsprecher-Stimsynthese direkt in Ihren ComfyUI-Workflows ermöglicht.
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.
Eine Python/Pytorch-App zur einfachen Synthese menschlicher Stimmen
Ein mehrsprachiges Modell zur Synthese von Langformdialogen mit mehreren Sprechern, flexibler Sprechersteuerung und Zero-Shot-Stimmenklonung
💎 Eine Liste zugänglicher Sprachkorpora für ASR, TTS und andere SprachTechnologien
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.
KI-Podcast-Generator für zweisprachige Episoden, Mehrsprachig, Alternative zu NotebookLLM; KI-Podcast-Generator für echte Gespräche, Mehrsprachig, Mehrere Stimmen
Häufig gestellte Fragen
Welches ist das beliebteste #voice-cloning-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#voice-cloning-Projekt auf GitHub ist debpalash/VoiceStudio mit 115,753 Sternen. VoiceStudio ist die quelloffene, vollständig lokal ausführbare Alternative zu ElevenLabs – mit Sprachklonen, Sprachdesign, Videodubbing, Diktierfunktion, Transkription und Hörbucherstellung in 646 Sprachen.
Welche Programmiersprachen werden in #voice-cloning-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #voice-cloning-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #voice-cloning-Repositories berechnet?
Wir verfolgen 76 aktive Open-Source-Repositories, die mit #voice-cloning getaggt sind (500+ Sterne), mit insgesamt 629,830 Sternen und durchschnittlich 8,287 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.