#voice-cloning 仓库
共 77 个仓库
AI驱动的多声音有声书生成器 — LLM脚本标注、声音克隆、声音设计、LoRA训练、逐行风格控制,并导出为MP3、分章M4B或Audacity多轨。基于Qwen3-TTS构建。
一键产出爆款视频:1.自动提取对标文案 2.自动进行文案仿写 3.自动根据文案声音克隆 4.自动生成数字人口播 5.自动添加字幕 6.自动添加背景音乐 7.自动添加视频标题 8.自动生成视频封面 9.自动将视频发布到各平台
Vui Nano——一个在真实对话上训练的小型上下文感知文本转语音模型。219M 活跃参数(总计 305M),采用 Apache 2.0 许可证,支持声音克隆和流式处理,可在 CPU 上运行(无依赖的 C 构建版本)。随附完整的实时语音助手:支持 WebRTC、ASR、本地 LLM,并兼容 OpenAI Realtime API。
本地兼容 OpenAI 的文本转语音(TTS)API,使用 Chatterbox,使用户能够在任何使用 OpenAI API 的地方(如 Open WebUI、AnythingLLM 等)生成语音克隆语音。
将 PDF 和 EPUB 转换为有声读物;将字幕或视频转换为配音视频(包括翻译)等等。完全免费。Pandrator 使用本地模型,包括语音克隆(即时、RVC 增强、XTTS 微调)和 LLM 处理。它旨在成为一款具有图形用户界面 (GUI)、安装程序和一体化软件包的用户友好型应用程序。
在 Mac (M1/M2/M3/M4) 上本地运行 Qwen3-TTS 语音合成。支持语音克隆、语音设计和自定义语音。基于 MLX 实现 100% 离线运行。
🎭 AI 数字人平台——上传照片、克隆声音,与任意面孔实时对话,并生成口型同步视频。开源,支持自托管。Claude · Whisper · Chatterbox · MuseTalk。
YouDub是一个开源工具,旨在自动化地将优质的YouTube视频进行翻译和配音,以便将其搬运到中文互联网上。该工具使用了AI语音识别技术将音频转换为文本,然后通过大语言模型将文本翻译成中文,最后通过AI声音克隆技术将中文转换为音频。这样,我们就可以创建出具有原始YouTuber音色的中文配音视频。
开放式全双工语音模型,能够听懂你的语气并以相应语气回应。借助 vLLM-Omni,仅需一块 GPU;或使用 MLX 在 Mac 上完全离线运行。零样本声音克隆,兼容 OpenAI Realtime / GPT-Live,并提供免费的托管 API 试用。Apache-2.0。