#voice-cloning リポジトリ
#voice-cloningのタグが付いた、GitHub上の76件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は629,830個で、プロジェクトあたりの平均は8,287個です。このトピックをリードしているのは、115,753個のスターを獲得しているdebpalash/VoiceStudioです。
リポジトリ合計77件
VoiceStudioは、ElevenLabsに代わるオープンソースで完全ローカル動作のソリューションです。646言語に対応し、音声クローン、音声デザイン、動画吹き替え、ディクテーション、文字起こし、オーディオブック作成が可能です。
Netflixレベルの字幕カット、翻訳、配置、さらには吹き替えまで – ワンクリック全自動AI動画字幕チーム | 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
ベータ版:真に無料でオープンソース、ローカルファーストかつクロスプラットフォームの動画編集ソフト。JSON-RPC API と MCP を通じてスクリプトで操作できます。
Qwen3-TTS はAlibaba CloudのQwenチームが開発したオープンソースのTTSモデルシリーズで、安定かつ表現豊かな音声生成とストリーミング音声生成をサポートし、自由形式の音声デザインと鮮やかな音声クローンを実現します。
クリエイターおよび開発者向けのGradio WebUI。主要なTTS(Edge-TTS、kokoro)とゼロショットボイスクローニング(E2 & F5-TTS、CosyVoice)を特徴とし、Whisperオーディオ処理、YouTubeダウンロード、Demucsボーカル分離、多言語翻訳を備えています。
使いやすい音声ツールキットで、自己教師あり学習モデル、句読点付きSOTA/ストリーミングASR、テキストフロントエンド付きストリーミングTTS、話者検証システム、エンドツーエンド音声翻訳、およびキーワード検出を含む。NAACL2022 Best Demo Awardを受賞。
Zonos-v0.1は、20万時間以上の多様な多言語音声でトレーニングされた最先端のオープンウェイトテキスト音声合成モデルであり、トップTTSプロバイダーに匹敵するか、それを超える表現力と品質を提供します。
🎙️🤖リアルタイムでAIキャラクター/コンパニオンを作成、カスタマイズ、会話(すべて1つのコードベースで!)。LLM OpenAI GPT3.5/4、Anthropic Claude2、Chroma Vector DB、Whisper Speech2Text、ElevenLabs Text2Speechを使用して、どこでも(モバイル、Web、ターミナル)AIと自然でシームレスな会話をしましょう🎙️🤖
YouTube/Bilibili向けのオープンソースAI動画ローカライズ・吹き替えツール:音声認識、字幕翻訳、音声クローン、オーディオミキシング、レンダリング。オープンソースのAI動画翻訳・吹き替えツール。
ggmlを搭載した、オールインワンの純粋なC++オーディオモデル推論エンジン。TTS、STT、VAD、音声変換、音楽生成などをサポートし、高度に最適化されたパフォーマンスを実現。Python依存なし。
デジタルアバター会話システム - Linly-Talker。😄✨ Linly-Talkerは、大規模言語モデル(LLM)とビジョンモデルを組み合わせて、新しい人間とAIのインタラクション方法を作成するインテリジェントAIシステムです。🤝🤖 Whisper、Linly、Microsoft Speech Services、SadTalkerトーキングヘッド生成システムなどのさまざまなテクノロジーを統合しています。🌟🔬
Apple Silicon向けのネイティブLLM推論サーバー。OpenAIおよびAnthropic APIに対応。Python不要。ZigバックエンドとSwiftフロントエンドを採用したmacOSアプリで、チャット、音楽、音声、動画の生成に対応。
macOSとWindowsに対応した、オープンソースのローカルAIオーディオ&音楽スタジオ。音声合成、声のクローン、歌詞付きの楽曲、マルチトラック譜面に対応。完全オフラインで、API料金も不要。
MicrosoftのVibeVoiceテキスト読み上げモデル向けの包括的なComfyUI統合。ComfyUIワークフロー内で直接、高品質な単一および複数話者音声合成を可能にします。
強力なChatterbox TTSモデルをセルフホストします。このサーバーは、ユーザーフレンドリーなWeb UI、柔軟なAPIエンドポイント(OpenAI互換を含む)、事前定義された音声、音声クローニング、および大規模なオーディオブック規模のテキスト処理を提供します。NVIDIA(CUDA)、AMD(ROCm)、およびCPUで高速実行されます。
ローカルでのマルチエンジン・多言語対応テキスト読み上げ(TTS)およびボイスチェンジのためのComfyUIカスタムノード統合。対応エンジン:RVC、Echo-TTS、Qwen3-TTS、Cozy Voice 3、Step Audio EditX、IndexTTS-2、Chatterbox(クラシックおよび多言語版)、F5-TTS、Higgs Audio 2, 3、VibeVoice。無制限のテキスト長、SRTタイミング、キャラクターサポート、および多数のオーディオツールに対応。
バイリンガルエピソード用AIポッドキャストジェネレーター、多言語、NotebookLLMの代替; リアルな会話AIポッドキャストジェネレーター、多言語、複数音色
よくある質問
GitHubで最も人気のある#voice-cloningリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#voice-cloningプロジェクトは、115,753個のスターを獲得しているdebpalash/VoiceStudioです。VoiceStudioは、ElevenLabsに代わるオープンソースで完全ローカル動作のソリューションです。646言語に対応し、音声クローン、音声デザイン、動画吹き替え、ディクテーション、文字起こし、オーディオブック作成が可能です。
#voice-cloningリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#voice-cloningプロジェクトでは、Python, Jupyter Notebook, TypeScript, JavaScriptが最も一般的なプログラミング言語です。
#voice-cloningリポジトリのランキングはどのように算出されていますか?
#voice-cloningのタグが付いた76件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は629,830個で、リポジトリあたりの平均は8,287個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。