#voice-cloning Репозитории
Откройте для себя 76 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #voice-cloning, с общим числом 629,830 звёзд (в среднем 8,287 на проект). Лидером этой темы является debpalash/VoiceStudio, набравший 115,753 звёзд.
Всего репозиториев: 77
VoiceStudio — это полностью локальная альтернатива ElevenLabs с открытым исходным кодом: клонирование голоса, дизайн голоса, дубляж видео, диктовка, транскрибация и создание аудиокниг на 646 языках.
1 минута голосовых данных также может быть использована для обучения хорошей TTS-модели! (клонирование голоса с малым количеством примеров)
Клонируйте голос за 5 секунд, чтобы генерировать произвольную речь в реальном времени
🐸💬 - инструментарий глубокого обучения для преобразования текста в речь, испытанный в исследованиях и на производстве
VoxCPM2: TTS без токенизатора для многоязычной генерации речи, креативного дизайна голоса и реалистичного клонирования
Многоязычная модель генерации большой голосовой речи, обеспечивающая полный набор возможностей для инференса, обучения и развертывания.
Создавайте аудиокниги из электронных книг с помощью более 50 движков TTS, клонирования голоса и поддержкой 1 696 языков!
Масштабирование субтитров, перевод, выравнивание и даже дубляж уровня Netflix — полностью автоматизированная команда ИИ для создания субтитров к видео одним щелчком мыши | 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
Бета: действительно бесплатный видеоредактор с открытым исходным кодом, ориентированный на локальную работу и доступный на разных платформах. Поддерживает написание сценариев через API JSON-RPC и MCP.
Qwen3-TTS — это открытая серия моделей TTS, разработанная командой Qwen в Alibaba Cloud, поддерживающая стабильную, выразительную и потоковую генерацию речи, свободную формулировку голосового дизайна и яркое клонирование голоса.
YuE2: передовая генерация музыки с символическим планированием, созданием каверов без примеров и агентным редактированием музыки.
Gradio WebUI для создателей и разработчиков, с основными функциями TTS (Edge-TTS, kokoro) и клонированием голоса без обучения (zero-shot Voice Cloning) (E2 & F5-TTS, CosyVoice), а также обработкой аудио Whisper, загрузкой с YouTube, выделением вокала Demucs и многоязычным переводом.
Простой в использовании набор инструментов для речи, включающий модель самообучения, SOTA/потоковый ASR с пунктуацией, потоковый TTS с текстовым фронтендом, систему верификации спикера, перевод речи от начала до конца и распознавание ключевых слов. Получил награду Best Demo Award NAACL2022.
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.
🎙️🤖Создавайте, настраивайте и общайтесь со своим ИИ-персонажем/компаньоном в реальном времени (все в одной кодовой базе!). Ведите естественный плавный разговор с ИИ везде (на мобильных устройствах, в Интернете и в терминале), используя LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
Локализация и дубляж видео на базе ИИ с открытым исходным кодом для YouTube/Bilibili: распознавание речи, перевод субтитров, клонирование голоса, сведение звука и рендеринг. Инструмент с открытым исходным кодом для перевода и озвучивания видео с помощью ИИ.
Высококачественная быстрая модель клонирования голоса TTS, достигающая скорости 150 раз в реальном времени。
Многоязычная TTS-модель со 100 миллионами параметров для вывода в реальном времени на CPU, клонирования голоса и генерации стереозвука с частотой 48 кГц
Универсальный механизм вывода на чистом C++ для аудиомоделей на базе ggml. Поддерживает TTS, STT, VAD, преобразование голоса, генерацию музыки и многое другое с высокой оптимизацией производительности. Без зависимости от Python.
Семейство моделей с открытым исходным кодом для синтеза длинноформатной речи, синтеза диалогов, дизайна голоса, звуковых эффектов и потокового TTS в реальном времени
Простой, высококачественный инструмент для преобразования голоса, ориентированный на простоту использования и производительность.
Система диалогового цифрового аватара - Linly-Talker. 😄✨ Linly-Talker — это интеллектуальная система ИИ, которая объединяет большие языковые модели (LLM) с моделями визуализации для создания нового метода взаимодействия человека и ИИ. 🤝🤖 Она интегрирует различные технологии, такие как Whisper, Linly, Microsoft Speech Services и систему генерации говорящих голов SadTalker. 🌟🔬
Интеллектуальный многоязычный ИИ-инструмент для озвучивания/перевода видео - Linly-Dubbing — « ИИ — сила, языки — вне границ »
Клонирование голоса Bark и клонирование голоса для китайской речи
Нативный сервер инференса LLM для Apple Silicon. Совместим с API OpenAI и Anthropic. Python не требуется. Приложение macOS с бэкендом на Zig и фронтендом на Swift, поддерживающее генерацию чатов, музыки, голоса и видео.
Локальная студия аудио и музыки на базе ИИ с открытым исходным кодом для macOS и Windows. Синтез речи, клонирование голоса, песни с текстами и многодорожечные партитуры — полностью офлайн и без платы за API.
Модель преобразования текста в речь на основе Flow Matching с управлением стилем на основе эмодзи
Официальный сервер протокола контекста модели MiniMax (MCP), который обеспечивает взаимодействие с мощными API преобразования текста в речь, генерации изображений и генерации видео.
Комплексная интеграция ComfyUI для модели преобразования текста в речь VibeVoice от Microsoft, обеспечивающая высококачественный синтез речи для одного и нескольких дикторов непосредственно в ваших рабочих процессах ComfyUI.
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.
Приложение Python/Pytorch для легкого синтеза человеческих голосов
Многоязычная модель для синтеза длинноформатных диалогов с несколькими говорящими, гибким управлением говорящими и клонированием голоса в режиме zero-shot
💎 Список доступных речевых корпусов для ASR, TTS и других технологий речи
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.
Генератор ИИ-подкастов для двуязычных эпизодов, Многоязычный, Альтернатива NotebookLLM; Генератор ИИ-подкастов для реальных диалогов, Многоязычный, Несколько голосов
Быстрое и высококачественное преобразование текста в речь с нулевым выстрелом с помощью Flow Matching
Часто задаваемые вопросы
Какой репозиторий по теме #voice-cloning наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #voice-cloning на GitHub — debpalash/VoiceStudio, набравший 115,753 звёзд. VoiceStudio — это полностью локальная альтернатива ElevenLabs с открытым исходным кодом: клонирование голоса, дизайн голоса, дубляж видео, диктовка, транскрибация и создание аудиокниг на 646 языках.
Какие языки программирования чаще всего используются в репозиториях по теме #voice-cloning?
Среди наиболее высоко оценённых проектов по теме #voice-cloning на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, TypeScript, JavaScript.
Как рассчитывается рейтинг репозиториев по теме #voice-cloning?
Мы отслеживаем 76 активных репозиториев с открытым исходным кодом, отмеченных тегом #voice-cloning (500 и более звёзд), с общим числом 629,830 звёзд и в среднем 8,287 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.