#audio-generation Repositórios
Descubra 42 repositórios ativos de código aberto no GitHub marcados com #audio-generation, acumulando um total de 324,111 estrelas (uma média de 7,716 por projeto). O líder deste tópico é microsoft/VibeVoice, com 57,449 estrelas.
42 repositórios no total
LocalAI é o motor de IA de código aberto. Execute qualquer modelo - LLMs, visão, voz, imagem, vídeo - em qualquer hardware. Nenhuma GPU necessária.
Modelo de geração de voz multilíngue de grande escala, que oferece capacidade de pilha completa para inferência, treinamento e implantação.
Audiocraft é uma biblioteca para processamento e geração de áudio com aprendizado profundo. Ela apresenta o compressor/tokenizador de áudio EnCodec de última geração, juntamente com o MusicGen, um LM de geração de música simples e controlável com condicionamento textual e melódico.
YuE2: geração musical de ponta com planejamento simbólico, covers zero-shot e edição musical baseada em agentes.
Amphion (/æmˈfaɪən/) é um kit de ferramentas para Geração de Áudio, Música e Fala. Seu objetivo é apoiar a pesquisa reproduzível e auxiliar pesquisadores e engenheiros iniciantes a se desenvolverem no campo da pesquisa e desenvolvimento em geração de áudio, música e fala.
Uma estrutura para inferência de modelo eficiente com modelos de omni-modalidade
Zonos-v0.1 é um modelo líder de conversão de texto em fala com peso aberto, treinado em mais de 200 mil horas de fala multilíngue variada, proporcionando expressividade e qualidade comparáveis — ou até superiores — aos principais provedores de TTS.
Biblioteca de inferência e treinamento para modelos TTS de alta qualidade.
Kimi-Audio, um modelo de fundação de áudio de código aberto que se destaca na compreensão, geração e conversação de áudio
Uma única interface web Gradio + React com extensões para 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 e Bark!
Super resolução de áudio versátil (qualquer -> 48kHz) com AudioSR.
Uma linha do tempo dos mais recentes modelos de IA para geração de áudio, a partir de 2023!
Ambiente de execução de alto desempenho para servir sistemas de superinteligência interativos
VibeVoice: Síntese de fala conversacional expressiva e de formato longo. (Versão da Comunidade)
Implementação de SoundStorm, Geração de Áudio Paralela Eficiente do Google Deepmind, em Pytorch
Hospede você mesmo o poderoso modelo Chatterbox TTS. Este servidor oferece uma interface web amigável, endpoints de API flexíveis (incluindo compatibilidade com OpenAI), vozes predefinidas, clonagem de voz e processamento de texto em grande escala para audiolivros. É executado acelerado em NVIDIA (CUDA), AMD (ROCm) e CPU.
Um kit de ferramentas fundamental projetado para geração de música, canções e áudio
Uma estrutura abrangente de código aberto de habilidades e ativos para geração de jogos AAA.
Uma integração de nós personalizados do ComfyUI para conversão local de texto em fala e voz, multi-motor e multilíngue. Suporta: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (clássico e multilíngue), F5-TTS, Higgs Audio 2, 3 e VibeVoice com comprimento de texto ilimitado, sincronização SRT, suporte a personagens e muitas ferramentas de áudio.
Mais de 660 modelos de mídia generativa hospedados pelo muapi, além de ferramentas de API de terceiros enviadas pela comunidade (SEO, enriquecimento, redes sociais, scraping) — um arquivo YAML por entrada, com navegação por funcionalidade.
O centro para pesquisa de IA em áudio: artigos, modelos abertos, benchmarks e conjuntos de dados em LLMs de áudio, reconhecimento de fala, TTS, geração de música e áudio.
Conjuntos de Dados de Áudio de IA (AI-ADS) 🎵, incluindo Voz, Música e Efeitos Sonoros, que podem fornecer dados de treinamento para IA Generativa, AIGC, treinamento de modelos de IA, desenvolvimento de ferramentas de áudio inteligentes e aplicações de áudio.
CLI de geração de mídia da Flatkey para imagens, vídeos, áudio, texto, créditos e descoberta de modelos.
Música de fundo e efeitos sonoros gerados por IA localmente para o Claude Code e qualquer cliente MCP. Stable Audio 3 no Apple Silicon (MLX) e em GPUs NVIDIA no Windows (PyTorch). Sem nuvem e sem chave de API.
✨✨[NeurIPS 2025] VITA-Audio: Geração Rápida de Tokens Intercalados Cross-Modais para um Modelo de Fala-Linguagem Grande e Eficiente
Um projeto de código aberto para unificar o processamento e a geração de áudio
Genblaze é um SDK Python de código aberto para orquestrar pipelines de mídia de IA generativa em provedores de vídeo, áudio e imagem, com proveniência integrada para cada saída.
Repositório oficial para WavCraft, um agente de IA para criação e edição de áudio
Perguntas Frequentes
Qual é o repositório de #audio-generation mais popular no GitHub?
O projeto de código aberto de #audio-generation mais bem classificado no GitHub é microsoft/VibeVoice, com 57,449 estrelas. IA de Voz de Fronteira de Código Aberto
Quais linguagens de programação são mais usadas nos repositórios de #audio-generation?
Entre os projetos de #audio-generation mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Go, TypeScript.
Como é calculada a classificação dos repositórios de #audio-generation?
Acompanhamos 42 repositórios ativos de código aberto marcados com #audio-generation (com mais de 500 estrelas), totalizando 324,111 estrelas e uma média de 7,716 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.