voice-cloning

强大的 3B 参数、基于 LLM 的强化学习音频编辑模型，擅长编辑情感、说话风格与副语言学，并具备强大的零样本文本转语音功能

运行在安卓本地的轻量级文字转语音 (TTS) 引擎，支持离线发音人提取、零门槛音色克隆与双擎系统级全局听书。

实时语音助手 —— WebRTC 流式传输、faster-whisper ASR、本地 LLM、Vui Nano (300M) TTS。兼容 OpenAI Realtime API。支持语音克隆、插话打断，在 4090 上约有 9 倍实时性能。采用 Apache 2.0 许可证。

MimikaStudio - 适用于 macOS (Apple Silicon) 的本地优先应用程序 + 支持 Agentic MCP

使用 Chatterbox 的本地、兼容 OpenAI 的文本转语音 (TTS) API，让用户能在任何使用 OpenAI API 的地方生成语音克隆内容（例如 Open WebUI、AnythingLLM 等）

将 PDF 与 EPUB 转为有声书；将字幕或视频转为配音视频（包含翻译）等等。完全免费。Pandrator 使用本机模型，包含语音复制（即时、RVC 强化、XTTS 微调）与 LLM 处理。期许成为一个具备图形界面、安装程序与一体化套件的使用者友善应用程序。

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。

用于 VibeVoice TTS 的 ComfyUI 自定义节点。具备表现力、长文本、多说话人对话语音功能

Chatterbox 的修改版本，支持文本文件输入且无字符限制。我用它来制作有声书，特别是给孩子们听的。

在 Mac (M1/M2/M3/M4) 上本地运行 Qwen3-TTS 文字转语音。支持语音克隆、语音设计与自定义语音，使用 MLX 实现 100% 离线运行

全球首款具备个性化语音克隆功能的开源实时端到端语音对话模型。

ComfyUI 的 OmniVoice TTS 节点 - 支持语音克隆、语音设计与多说话人对话的零样本多语言文字转语音技术

用于高表现力语音与真实零样本语音复制的 ComfyUI 节点