Git Stars Git Stars

#audio-generation 仓库

探索 42 个标记为 #audio-generation 的活跃开源 GitHub 仓库,它们累计获得 324,111 个 Star(平均每个项目 7,716 个)。该主题的领先项目是 microsoft/VibeVoice,拥有 57,449 个 Star。

42
仓库总数
324,111
总星标数
7,716
平均每个仓库星标数
1
microsoft/VibeVoice

开源前沿语音AI

microsoft
⭐ 57,449 Python 👤 microsoft Organization 🕐 已更新 2026-10-08 📅 创建时间 2025-08-25
2
mudler/LocalAI

LocalAI 是开源 AI 引擎。在任何硬件上运行任何模型 - LLM、视觉、语音、图像、视频 - 无需 GPU。

mudler
⭐ 50,487 Go 👤 mudler User 🕐 已更新 2026-11-21 📅 创建时间 2023-03-18
3
suno-ai/bark

🔊 文本驱动的生成音频模型

suno-ai
⭐ 38,863 Jupyter Notebook 👤 suno-ai Organization 🕐 已更新 2024-08-19 📅 创建时间 2023-04-07
4
QwenAudio/CosyVoice

多语言大型语音生成模型,提供推理、训练和部署的全栈能力。

QwenAudio
⭐ 24,469 Python 👤 QwenAudio Organization 🕐 已更新 2026-05-25 📅 创建时间 2024-07-03
5
facebookresearch/audiocraft

Audiocraft 是一个用于深度学习音频处理和生成的库。它具有最先进的 EnCodec 音频压缩器/分词器,以及 MusicGen,一个简单且可控的音乐生成语言模型,支持文本和旋律条件。

facebookresearch
⭐ 23,937 Jupyter Notebook 👤 facebookresearch Organization 🕐 已更新 2026-03-03 📅 创建时间 2023-06-08
6
neonbjb/tortoise-tts

一个注重质量的多声 TTS 系统

neonbjb
⭐ 14,748 Jupyter Notebook 👤 neonbjb User 🕐 已更新 2024-11-19 📅 创建时间 2022-01-28
7
SesameAILabs/csm

一个对话式语音生成模型

SesameAILabs
⭐ 14,647 Python 👤 SesameAILabs Organization 🕐 已更新 2025-05-27 📅 创建时间 2025-02-26
8
multimodal-art-projection/YuE

YuE2:结合符号规划、零样本翻唱和智能体音乐编辑的前沿音乐生成。

multimodal-art-projection
⭐ 13,644 Python 👤 multimodal-art-projection Organization 🕐 已更新 2026-11-01 📅 创建时间 2025-01-23
9
open-mmlab/Amphion

Amphion (/æmˈfaɪən/) 是一个用于音频、音乐和语音生成的工具包。其目的是支持可复现的研究,并帮助初级研究人员和工程师入门音频、音乐和语音生成的研究与开发领域。

open-mmlab
⭐ 10,346 Python 👤 open-mmlab Organization 🕐 已更新 2026-03-25 📅 创建时间 2023-11-15
10
boson-ai/higgs-audio

Boson AI 的文本到音频基础模型

boson-ai
⭐ 8,390 Python 👤 boson-ai Organization 🕐 已更新 2026-06-05 📅 创建时间 2025-07-20
11
vllm-project/vllm-omni

适用于全模态模型的高效模型推理框架

vllm-project
⭐ 7,884 Python 👤 vllm-project Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-09-11
12
Zyphra/Zonos

Zonos-v0.1 是一个领先的开源文本到语音模型,在超过 20 万小时的多样化多语言语音上进行了训练,其表现力和质量可与顶级 TTS 提供商媲美,甚至超越。

Zyphra
⭐ 7,213 Python 👤 Zyphra Organization 🕐 已更新 2025-03-05 📅 创建时间 2025-02-07
13
huggingface/parler-tts

用于高质量TTS模型推理和训练的库。

huggingface
⭐ 5,503 Python 👤 huggingface Organization 🕐 已更新 2024-12-10 📅 创建时间 2024-02-13
14
MoonshotAI/Kimi-Audio

Kimi-Audio,一个在音频理解、生成和对话方面表现出色的开源音频基础模型

MoonshotAI
⭐ 4,654 Python 👤 MoonshotAI Organization 🕐 已更新 2025-06-21 📅 创建时间 2025-04-25
15
Stability-AI/stable-audio-tools

条件音频生成的生成模型

Stability-AI
⭐ 3,921 Python 👤 Stability-AI Organization 🕐 已更新 2026-11-01 📅 创建时间 2023-05-23
16
rsxdalv/TTS-WebUI

一个带有 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 和 Bark 扩展的单一 Gradio + React WebUI!

rsxdalv
⭐ 3,316 Go 👤 rsxdalv User 🕐 已更新 2026-11-19 📅 创建时间 2023-04-27
17
openai/openai-fm

openai.fm 的代码,OpenAI Speech API 的演示

openai
⭐ 2,917 TypeScript 👤 openai Organization 🕐 已更新 2026-03-03 📅 创建时间 2025-04-15
18
haoheliu/AudioLDM

AudioLDM:通过文本生成语音、音效、音乐及更多内容。

haoheliu
⭐ 2,891 Python 👤 haoheliu User 🕐 已更新 2025-06-25 📅 创建时间 2023-01-29
19
haoheliu/AudioLDM2

文本到音频/音乐生成

haoheliu
⭐ 2,551 Python 👤 haoheliu User 🕐 已更新 2024-09-29 📅 创建时间 2023-08-04
20
haoheliu/versatile_audio_super_resolution

使用AudioSR实现多功能音频超分辨率(任意 -> 48kHz)。

haoheliu
⭐ 1,951 Python 👤 haoheliu User 🕐 已更新 2025-08-27 📅 创建时间 2023-09-06
21
archinetai/audio-ai-timeline

2023年最新音频生成AI模型时间线!

archinetai
⭐ 1,913 👤 archinetai Organization 🕐 已更新 2024-01-04 📅 创建时间 2023-01-29
22
sgl-project/sglang-omni

面向交互式超级智能系统的高性能服务运行时

sgl-project
⭐ 1,882 Python 👤 sgl-project Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-01-07
23
vibevoice-community/VibeVoice

VibeVoice: 富有表现力的长篇对话语音合成。(社区分支)

vibevoice-community
⭐ 1,678 Python 👤 vibevoice-community Organization 🕐 已更新 2026-08-29 📅 创建时间 2025-09-04
24
lucidrains/soundstorm-pytorch

Google Deepmind 的 SoundStorm,高效并行音频生成,在 Pytorch 中的实现

lucidrains
⭐ 1,545 Python 👤 lucidrains User 🕐 已更新 2025-04-24 📅 创建时间 2023-05-17
25
devnen/Chatterbox-TTS-Server

自托管功能强大的Chatterbox TTS模型。该服务器提供用户友好的Web UI,灵活的API端点(包括兼容OpenAI的端点),预设语音,语音克隆以及大规模有声读物级别的文本处理。可在NVIDIA(CUDA)、AMD(ROCm)和CPU上加速运行。

devnen
⭐ 1,517 Python 👤 devnen User 🕐 已更新 2026-05-26 📅 创建时间 2025-05-31
26
FunAudioLLM/FunMusic

专为音乐、歌曲和音频生成设计的工具包

QwenAudio
⭐ 1,352 Python 👤 QwenAudio Organization 🕐 已更新 2025-05-20 📅 创建时间 2024-10-29
27
OpenDCAI/GameFactory-3A

一个全面的开源3A游戏生成技能与资产框架。

OpenDCAI
⭐ 1,344 Python 👤 OpenDCAI Organization 🕐 已更新 2026-11-15 📅 创建时间 2026-07-06
28
diodiogod/TTS-Audio-Suite

一个用于本地多引擎、多语言文本转语音和语音转换的 ComfyUI 自定义节点集成。支持:RVC、Echo-TTS、Qwen3-TTS、Cozy Voice 3、Step Audio EditX、IndexTTS-2、Chatterbox(经典版和多语言版)、F5-TTS、Higgs Audio 2、3 和 VibeVoice,支持无限文本长度、SRT 时间轴、角色支持以及多种音频工具。

diodiogod
⭐ 1,270 Python 👤 diodiogod User 🕐 已更新 2026-11-19 📅 创建时间 2025-08-06
29
declare-lab/tango

一种用于文本到音频生成的扩散模型家族。

declare-lab
⭐ 1,239 Python 👤 declare-lab Organization 🕐 已更新 2025-07-29 📅 创建时间 2023-04-10
30
NVIDIA/BigVGAN

BigVGAN (ICLR 2023) 的官方 PyTorch 实现

NVIDIA
⭐ 1,164 Python 👤 NVIDIA Organization 🕐 已更新 2024-09-05 📅 创建时间 2022-06-07
31
OpenMOSS/MOVA

一个在单一模型中生成同步视频和音频的基础模型

OpenMOSS
⭐ 1,151 Python 👤 OpenMOSS Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-01-28
33
Anil-matcha/awesome-agent-apis

660 多个由 muapi 托管的生成式媒体模型,以及社区提交的第三方 API 工具(SEO、数据丰富、社交媒体、抓取)——每个条目对应一个 YAML 文件,可按功能浏览。

Anil-matcha
⭐ 1,070 Python 👤 Anil-matcha User 🕐 已更新 2026-10-14 📅 创建时间 2023-05-06
34
BinWang28/audio-ai-hub

音频AI研究枢纽:涵盖音频大语言模型、语音识别、TTS、音乐和音频生成的论文、开放模型、基准测试和数据集。

BinWang28
⭐ 966 Python 👤 BinWang28 User 🕐 已更新 2026-11-16 📅 创建时间 2024-06-15
35
Yuan-ManX/ai-audio-datasets

AI 音频数据集 (AI-ADS) 🎵,包括语音、音乐和音效,可为生成式 AI、AIGC、AI 模型训练、智能音频工具开发和音频应用程序提供训练数据。

Yuan-ManX
⭐ 950 👤 Yuan-ManX User 🕐 已更新 2025-07-08 📅 创建时间 2022-12-18
36
flatkey-ai/flatkey-cli

Flatkey 媒体生成 CLI,支持图像、视频、音频、文本、积分和模型发现。

flatkey-ai
⭐ 868 JavaScript 👤 flatkey-ai Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-07-17
37
kanaworksai-hue/audio-studio-mcp

为 Claude Code 和任何 MCP 客户端提供本地 AI 背景音乐和音效。在 Apple Silicon(MLX)和 Windows NVIDIA GPU(PyTorch)上运行 Stable Audio 3。无需云服务,无需 API 密钥。

kanaworksai-hue
⭐ 697 Python 👤 kanaworksai-hue User 🕐 已更新 2026-11-16 📅 创建时间 2026-10-18
38
VITA-MLLM/VITA-Audio

✨✨[NeurIPS 2025] VITA-Audio: 面向高效大型语音语言模型的快速交错跨模态词元生成

VITA-MLLM
⭐ 679 Python 👤 VITA-MLLM Organization 🕐 已更新 2025-05-24 📅 创建时间 2025-04-23
40
alibaba/unified-audio

一个统一音频处理与生成的开源项目

alibaba
⭐ 553 Python 👤 alibaba Organization 🕐 已更新 2026-07-07 📅 创建时间 2025-10-21
41
backblaze-labs/genblaze

Genblaze 是一个开源的 Python SDK,用于编排跨视频、音频和图像提供商的生成式 AI 媒体管道,并为每个输出内置来源追踪。

backblaze-labs
⭐ 548 Python 👤 backblaze-labs Organization 🕐 已更新 2026-11-19 📅 创建时间 2026-04-16
42
JinhuaLiang/WavCraft

WavCraft 官方仓库,一个用于音频创建和编辑的 AI 代理

JinhuaLiang
⭐ 524 Python 👤 JinhuaLiang User 🕐 已更新 2025-02-15 📅 创建时间 2024-03-12

常见问题解答

1

GitHub 上最受欢迎的 #audio-generation 仓库是什么?

GitHub 上排名第一的开源 #audio-generation 项目是 microsoft/VibeVoice,拥有 57,449 个 Star。开源前沿语音AI

2

#audio-generation 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #audio-generation 项目中,最常见的编程语言是 Python, Jupyter Notebook, Go, TypeScript。

3

#audio-generation 仓库的排名是如何计算的?

我们跟踪了 42 个标记为 #audio-generation 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 324,111 个 Star,平均每个仓库拥有 7,716 个 Star。排名每日根据 GitHub API 更新。