audio-generation

LocalAI est le moteur d'IA open source. Exécutez n'importe quel modèle - LLM, vision, voix, image, vidéo - sur n'importe quel matériel. Aucun GPU requis.

Modèle multilingue de génération vocale à grande échelle, offrant des capacités complètes d'inférence, d'entraînement et de déploiement.

Amphion est une boîte à outils pour la génération audio, musicale et vocale. Son objectif est de soutenir la recherche reproductible et d'aider les chercheurs et ingénieurs débutants à se lancer dans la recherche et le développement liés à la génération audio, musicale et vocale.

Un framework pour l'inférence efficace de modèles omnimodaux.

YuE : Modèle de fondation pour la génération de chansons complètes, similaire à Suno.ai mais en open source.

Une interface web unique Gradio + React avec des extensions pour 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 et Bark !

AudioLDM : Générez de la parole, des effets sonores, de la musique et plus encore, à partir de texte.

Génération de texte vers audio/musique

Chronologie des derniers modèles d'IA pour la génération audio, depuis 2023.

Implémentation en Pytorch de SoundStorm, le modèle de génération audio parallèle efficace de Google Deepmind.

Auto-hébergez le puissant modèle TTS Chatterbox. Ce serveur propose une interface Web conviviale, des points de terminaison API flexibles (compatibles OpenAI), des voix prédéfinies, le clonage vocal et le traitement de texte à grande échelle pour les livres audio. Fonctionne en mode accéléré sur NVIDIA (CUDA), AMD (ROCm) et CPU.

Une famille de modèles de diffusion pour la génération de texte vers audio.

Implémentation officielle PyTorch de BigVGAN (ICLR 2023).

Intégration de nœuds personnalisés pour ComfyUI dédiée à la synthèse vocale (TTS) et à la conversion de voix multi-moteurs et multilingue. Supporte RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox, F5-TTS, Higgs Audio 2, 3 et VibeVoice avec gestion des durées illimitées, timing SRT et outils audio.

CLI officiel pour muapi.ai — générez des images, vidéos et audios depuis le terminal. Serveur MCP, 14 modèles d'IA, installable via npm et pip.

SGLang-Omni permet un service haute performance pour les modèles TTS, ASR, vocaux et omnimodaux.

Jeux de données audio IA (AI-ADS) incluant parole, musique et effets sonores, destinés à l'entraînement de modèles génératifs, à l'AIGC et au développement d'outils audio intelligents.

Le hub pour la recherche en IA audio : articles, modèles ouverts, benchmarks et jeux de données pour les LLM audio, la reconnaissance vocale, la synthèse vocale (TTS), ainsi que la génération de musique et d'audio.

Assistant vocal en temps réel — streaming WebRTC, ASR faster-whisper, LLM local, TTS Vui Nano (300M). Compatible avec l'API OpenAI Realtime. Clonage vocal, interruption (barge-in), ~9× temps réel sur une 4090. Licence Apache 2.0.

CLI de génération de médias Flatkey pour images, vidéos, audio, texte, crédits et découverte de modèles.

Genblaze est un SDK Python open source pour orchestrer des pipelines média d'IA générative à travers des fournisseurs de vidéo, audio et image, avec traçabilité intégrée pour chaque résultat.

Un projet open source pour unifier le traitement et la génération audio