登录
返回发现页

DIRECTORY / TASK

语音与音乐

253
任务语音识别、合成、配音和音乐生成。

优先展示热度较高或编辑精选的候选。

匹配到 253 项资源线上目录
类型

精选推荐：语音与音乐

共 253 项
MockingBird

MockingBird

🚀Clone a voice in 5 seconds to generate arbitrary speech in

全球免费+2

更新于 2026-09-01

访问官网
DeepSpeech

DeepSpeech

DeepSpeech is an open source embedded (offline, on-device) s

全球免费+2

更新于 2026-09-01

访问官网
GPT-SoVITS

GPT-SoVITS

仅需1分钟语音数据，即可训练出优质TTS模型。

全球免费+1

更新于 2026-08-28

访问官网
VoxCPM

VoxCPM

是一款无分词器的多语言文本转语音模型，可实现高质量的零样本语音生成。

全球免费+1

更新于 2026-08-28

访问官网
GPT-4o

GPT-4o

图文语音都能接，反应快还会用工具，真要深度推理就别指望它一直稳。

海外付费+3

更新于 2026-08-29

访问官网
edge-tts

edge-tts

Use Microsoft Edge's online text-to-speech service from Pyth

全球免费+2

更新于 2026-09-01

访问官网
piper

piper

A fast, local neural text to speech system

全球免费+2

更新于 2026-09-01

访问官网
speech-to-speech

speech-to-speech

Build voice agents with open-source models

全球免费+2

更新于 2026-09-01

访问官网
MusicGen

MusicGen

是一种基于 Transformer 的深度学习模型，可根据文本描述或旋律提示自动生成音乐。

全球免费+2

更新于 2026-08-28

访问官网
Amphion

Amphion

Amphion (/æmˈfaɪən/) is a toolkit for Audio, Music, and Spee

全球免费+2

更新于 2026-09-01

访问官网
OpenGPT-4o

OpenGPT-4o

是一个基于 OpenAI 技术的多模态 AI 平台，提供对话、图像生成、语音合成及编程辅助等一站式智能服务。

全球免费+2

更新于 2026-08-28

访问官网
pydantic-ai

pydantic-ai

通过集成各类AI库和框架来构建智能体、实时语音和图像生成功能。

全球免费+1

更新于 2026-08-28

访问官网
Speech

Speech

这是一个面向研究人员和开发者的可扩展生成式人工智能框架。

全球免费+1

更新于 2026-08-28

访问官网
Gemini 3.5 Transcribe

Gemini 3.5 Transcribe

能处理口头改口、填充词和专业术语，做实时字幕比只会逐字听写的更省心。

海外付费+3

更新于 2026-08-29

访问官网
Whisper

Whisper

语音转写界的老基准，语言覆盖广、资料多，本地部署依然是稳妥选择。

海外免费+3

更新于 2026-08-29

访问官网
Kokoro-TTS

Kokoro-TTS

是一款开源的轻量级文本转语音模型，提供多种自然语音，无需 GPU 即可运行。

全球免费+2

更新于 2026-08-28

访问官网
E2-F5-TTS

E2-F5-TTS

是一款基于流匹配的非自回归文本转语音系统，可实现高保真、零样本语音合成。

全球免费+2

更新于 2026-08-28

访问官网
whisper

whisper

是 OpenAI 开源的通用语音识别模型，支持多语言转录及翻译。

全球免费+2

更新于 2026-08-28

访问官网
whisper-jax

whisper-jax

是基于 JAX 优化的高性能 Whisper 语音识别实现，能在 TPU 和 GPU 上实现比原版 PyTorch 快。

全球免费+2

更新于 2026-08-28

访问官网
sherpa-onnx

sherpa-onnx

语音转文字、文本转语音、说话人分离及语音处理工具。

全球免费+1

更新于 2026-08-28

访问官网
supertonic

supertonic

基于设备端运行的多语言快速原生文本转语音系统。

全球免费+1

更新于 2026-08-28

访问官网
machine-learning-course

machine-learning-course

:speech_balloon: Machine Learning Course with Python:

全球免费+2

更新于 2026-09-01

访问官网
pedalboard

pedalboard

🎛 🔊 A Python library for audio.

全球免费+2

更新于 2026-09-01

访问官网
pyAudioAnalysis

pyAudioAnalysis

Python Audio Analysis Library: Feature Extraction, Classific

全球免费+2

更新于 2026-09-01

访问官网

FAQ

语音与音乐 收录什么资源？

语音识别、合成、配音和音乐生成。

结果如何筛选？

结果依据目录中的关键词、专题、典型用途、适合人群和平台字段匹配。

这里的排序是付费排名吗？

付费或赞助展示会单独标注；列表排序使用目录字段和当前视图规则。

相关分类

全部发现
AI 编程图像生成视频生成AI 搜索RAG 知识库Agent 构建工作流自动化API 接入