#text-to-audio Repositorios
Descubre 19 repositorios activos de código abierto de GitHub etiquetados con #text-to-audio, que acumulan 97,821 estrellas en total (una media de 5,148 estrellas por proyecto). El líder de este tema es suno-ai/bark, con 38,863 estrellas.
19 repositorios en total
Audiocraft es una biblioteca para el procesamiento y la generación de audio con aprendizaje profundo. Incluye el compresor/tokenizador de audio de última generación EnCodec, junto con MusicGen, un LM simple y controlable para la generación de música con acondicionamiento textual y melódico.
Amphion (/æmˈfaɪən/) es un kit de herramientas para la generación de audio, música y voz. Su propósito es apoyar la investigación reproducible y ayudar a investigadores e ingenieros junior a iniciarse en el campo de la investigación y desarrollo de generación de audio, música y voz.
Una familia de modelos de código abierto para síntesis de voz de larga duración, síntesis de diálogos, diseño de voces, efectos de sonido y TTS en streaming en tiempo real
[CVPR 2025] MMAudio: Taming Multimodal Joint Training for High-Quality Video-to-Audio Synthesis
[NeurIPS 2025] Implementación en PyTorch de [ThinkSound], un framework unificado para generar audio desde cualquier modalidad, guiado por razonamiento Chain-of-Thought (CoT).
StreamSpeech es un modelo "todo en uno" sin interrupciones para el reconocimiento de voz, la traducción de voz y la síntesis de voz sin conexión y simultánea.
Implementación en PyTorch de AudioLCM (ACM-MM'24): una generación de texto a audio eficiente y de alta calidad con modelo de consistencia latente.
HunyuanVideo-Foley: Difusión multimodal con alineación de representación para la generación de audio Foley de alta fidelidad.
[ICLR 2026] TangoFlux: Muy rápido y fiel generación de audio a partir de texto con emparejamiento de flujo
Implementación en PyTorch de Make-An-Audio (ICML'23) con un Modelo Generativo de Texto a Audio
Un proyecto de código abierto para unificar el procesamiento y la generación de audio
🔥🔥🔥 Una lista curada de artículos sobre generación multimodal basada en LLM (imagen, video, 3D y audio).
Mantenga un registro de los grandes modelos en el dominio del audio, incluyendo voz, canto, música, etc.
Preguntas frecuentes
¿Cuál es el repositorio de #text-to-audio más popular en GitHub?
El proyecto de código abierto de #text-to-audio mejor posicionado en GitHub es suno-ai/bark, con 38,863 estrellas. 🔊 Modelo de audio generativo impulsado por texto
¿Qué lenguajes de programación se utilizan más en los repositorios de #text-to-audio?
Entre los proyectos de #text-to-audio mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, HTML.
¿Cómo se calcula la clasificación de los repositorios de #text-to-audio?
Seguimos 19 repositorios activos de código abierto etiquetados con #text-to-audio (500+ estrellas), que suman un total de 97,821 estrellas, con una media de 5,148 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.