#text-to-audio Repositórios
Descubra 19 repositórios ativos de código aberto no GitHub marcados com #text-to-audio, acumulando um total de 97,821 estrelas (uma média de 5,148 por projeto). O líder deste tópico é suno-ai/bark, com 38,863 estrelas.
19 repositórios no total
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.
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 família de modelos de código aberto para síntese de fala de longa duração, síntese de diálogos, design de voz, efeitos sonoros e TTS em streaming em tempo real
[CVPR 2025] MMAudio: Dominando o Treinamento Conjunto Multimodal para Síntese de Vídeo-para-Áudio de Alta Qualidade
[NeurIPS 2025] Implementação em PyTorch de [ThinkSound], uma estrutura unificada para geração de áudio a partir de qualquer modalidade, guiada pelo raciocínio Chain-of-Thought (CoT).
StreamSpeech é um modelo contínuo "tudo em um" para reconhecimento de fala offline e simultâneo, tradução de fala e síntese de fala.
Implementação em PyTorch do AudioLCM (ACM-MM'24): uma geração eficiente e de alta qualidade de texto para áudio com modelo de consistência latente.
HunyuanVideo-Foley: Difusão Multimodal com Alinhamento de Representação para Geração de Áudio Foley de Alta Fidelidade.
[ICLR 2026] TangoFlux: Super rápido e fiel geração de áudio do texto com correspondência de fluxo
Implementação PyTorch do Make-An-Audio (ICML'23) com um Modelo Generativo de Texto para Áudio
Um projeto de código aberto para unificar o processamento e a geração de áudio
🔥🔥🔥 Uma lista selecionada de artigos sobre geração multimodal baseada em LLMs (imagem, vídeo, 3D e áudio).
Acompanhe os grandes modelos no domínio de áudio, incluindo fala, canto, música, etc.
Perguntas Frequentes
Qual é o repositório de #text-to-audio mais popular no GitHub?
O projeto de código aberto de #text-to-audio mais bem classificado no GitHub é suno-ai/bark, com 38,863 estrelas. 🔊 Modelo de Áudio Generativo Acionado por Texto
Quais linguagens de programação são mais usadas nos repositórios de #text-to-audio?
Entre os projetos de #text-to-audio mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, HTML.
Como é calculada a classificação dos repositórios de #text-to-audio?
Acompanhamos 19 repositórios ativos de código aberto marcados com #text-to-audio (com mais de 500 estrelas), totalizando 97,821 estrelas e uma média de 5,148 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.