voice-conversion

🐸💬 - 用于文字转语音的深度学习工具包，已在研究与生产环境中验证

只需 ≤ 10 分钟的语音数据，即可轻松训练出优秀的 VC 模型！

Gradio WebUI 为创作者与开发者提供关键 TTS（Edge‑TTS、kokoro）与零样本语音克隆（E2 & F5‑TTS、CosyVoice），并支持 Whisper 音频处理、YouTube 下载、Demucs 人声分离与多语言翻译

Amphion（/æmˈfaɪən/）是一个音频、音乐和语音生成工具箱，旨在支持可重复研究，帮助初学者和工程师快速进入音频、音乐和语音生成的研发领域。

端到端语音处理工具包

so-vits-svc 分支，支持实时功能、改进界面与更多特性

从 EPUB、PDF 和文本生成带同步字幕的有声书。

A simple, high-quality voice conversion tool focused on ease of use and performance.

[AutoArk] GPA (General Purpose Audio) 只需一个极小的模型即可进行 ASR、TTS 与语音转换！

🔊 语音与声音计算开源数据集的完整清单（95+ 个数据集）。

一款由 ggml 驱动的一体化纯 C++ 音频模型推理引擎。支持 TTS、STT、VAD、语音转换、音乐生成等功能，具备高度优化的性能，无 Python 依赖。

在 Android 上轻松选择、启动和管理您偏好的 AI 数字助理。

一个 ComfyUI 自定义节点集成套件，用于本地多引擎、多语言文本转语音与语音转换。支持：RVC、Echo-TTS、Qwen3-TTS、Cozy Voice 3、Step Audio EditX、IndexTTS-2、Chatterbox（经典与多语言）、F5-TTS、Higgs Audio 2、3 与 VibeVoice，具备无限文本长度、SRT 计时、角色支持及多种音频工具

AutoVC：仅使用自动编码器损失的 Zero-Shot 语音风格转换

YourTTS：实现全民皆可用的零样本多发音人 TTS 与零样本语音转换

NISQA - 非侵入式语音质量与 TTS 自然度评估

用于音频处理的深度学习

FreeVC：迈向高质量免文本单次训练语音转换

透过三重资讯瓶颈的非监督式语音分解

仅使用最近邻算法的语音转换。

StarGANv2-VC：一个用于自然语音转换的多样化、非监督式、非平行框架。

一个统一音频处理与生成的开源项目。