#audio-generation Репозитории
Откройте для себя 42 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #audio-generation, с общим числом 324,111 звёзд (в среднем 7,716 на проект). Лидером этой темы является microsoft/VibeVoice, набравший 57,449 звёзд.
Всего репозиториев: 42
LocalAI — это открытый AI-движок. Запускайте любую модель — LLM, зрение, голос, изображения, видео — на любом оборудовании. GPU не требуется.
Многоязычная модель генерации большой голосовой речи, обеспечивающая полный набор возможностей для инференса, обучения и развертывания.
Audiocraft — это библиотека для обработки и генерации звука с использованием глубокого обучения. Она включает в себя ультрасовременный аудиокомпрессор/токенизатор EnCodec, а также MusicGen — простую и управляемую модель языка для генерации музыки с текстовым и мелодическим обусловливанием.
YuE2: передовая генерация музыки с символическим планированием, созданием каверов без примеров и агентным редактированием музыки.
Amphion (/æmˈfaɪən/) — это набор инструментов для генерации аудио, музыки и речи. Его цель — поддержка воспроизводимых исследований и помощь начинающим исследователям и инженерам в освоении области исследований и разработок в области генерации аудио, музыки и речи.
Фреймворк для эффективной инференции модели с использованием омнимодальных моделей
Zonos-v0.1 — ведущая модель преобразования текста в речь с открытым весом, обученная на более чем 200 000 часах разнообразной многоязычной речи, обеспечивающая выразительность и качество, сравнимые или даже превосходящие лучшие TTS-решения.
Kimi-Audio, основа фундаментальной модели аудио с открытым исходным кодом, превосходная в понимании, генерации и диалоге аудио
Единый Gradio + React WebUI с расширениями для 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 и Bark!
AudioLDM: Создавайте речь, звуковые эффекты, музыку и многое другое с помощью текста.
Универсальное аудио супер-разрешение (любое -> 48 кГц) с AudioSR.
Лента времени последних моделей ИИ для генерации аудио, начиная с 2023 года!
Высокопроизводительная среда выполнения для обслуживания интерактивных систем сверхинтеллекта
VibeVoice: Выразительный синтез разговорной речи в длинном формате. (Ответвление сообщества)
Реализация SoundStorm, эффективная параллельная генерация аудио от Google Deepmind, на Pytorch
Разместите мощную модель Chatterbox TTS на собственном сервере. Этот сервер предлагает удобный веб-интерфейс, гибкие конечные точки API (включая совместимые с OpenAI), предустановленные голоса, клонирование голоса и обработку текстов в масштабе больших аудиокниг. Ускоренная работа на NVIDIA (CUDA), AMD (ROCm) и CPU.
Фундаментальный набор инструментов, предназначенный для создания музыки, песен и аудио
Интеграция пользовательских узлов ComfyUI для локального многодвижкового и многоязычного преобразования текста в речь и конвертации голоса. Поддерживает: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (классический и многоязычный), F5-TTS, Higgs Audio 2, 3 и VibeVoice с неограниченной длиной текста, поддержкой SRT-таймингов, персонажей и множеством аудиоинструментов.
Базовая модель, которая генерирует синхронизированные видео и аудио в рамках одной модели
Более 660 моделей генеративных медиа, размещённых на muapi, а также сторонние API-инструменты, добавленные сообществом (SEO, обогащение данных, соцсети, скрейпинг). Для каждой записи — отдельный YAML-файл; просмотр доступен по возможностям.
Центр исследований в области аудио ИИ: статьи, открытые модели, бенчмарки и наборы данных по аудио LLM, распознаванию речи, TTS, генерации музыки и аудио.
Наборы аудиоданных ИИ (AI-ADS) 🎵, включая речь, музыку и звуковые эффекты, которые могут предоставить обучающие данные для генеративного ИИ, AIGC, обучения моделей ИИ, разработки интеллектуальных аудиоинструментов и аудиоприложений.
CLI Flatkey для генерации медиафайлов: изображений, видео, аудио и текста, а также работы с кредитами и поиска моделей.
Локальная генерация фоновой музыки и звуковых эффектов с помощью ИИ для Claude Code и любых MCP-клиентов. Stable Audio 3 на Apple Silicon (MLX) и видеокартах NVIDIA в Windows (PyTorch). Без облака и ключа API.
✨✨[NeurIPS 2025] VITA-Audio: Быстрая перемежающаяся кросс-модальная генерация токенов для эффективной крупной речеязыковой модели
Проект с открытым исходным кодом для унификации обработки и генерации аудио
Genblaze — это SDK Python с открытым исходным кодом для оркестрации конвейеров генеративного ИИ для медиа, охватывающих поставщиков видео, аудио и изображений, со встроенной прослеживаемостью происхождения для каждого вывода.
Официальный репозиторий WavCraft, ИИ-агента для создания и редактирования аудио
Часто задаваемые вопросы
Какой репозиторий по теме #audio-generation наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #audio-generation на GitHub — microsoft/VibeVoice, набравший 57,449 звёзд. AI для голосовой связи на переднем крае с открытым исходным кодом
Какие языки программирования чаще всего используются в репозиториях по теме #audio-generation?
Среди наиболее высоко оценённых проектов по теме #audio-generation на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, Go, TypeScript.
Как рассчитывается рейтинг репозиториев по теме #audio-generation?
Мы отслеживаем 42 активных репозиториев с открытым исходным кодом, отмеченных тегом #audio-generation (500 и более звёзд), с общим числом 324,111 звёзд и в среднем 7,716 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.