★
OpenVoice 是用 Python 编写的 AI 模型，提供可直接使用的模型与权重。
Instant voice cloning by MIT and MyShell. Audio foundation model.
jishengpeng / WavTokenizer
WavTokenizer
[ICLR 2025] SOTA discrete acoustic codec models with 40/75 tokens per second for audio language modeling
WavTokenizer 是用 Python 编写的多媒体工具，用于处理音视频内容。
目前累计 1.3k star、116 fork，主要语言为 Python，项目始于 2024 年，采用 MIT 许可。最近状态：已有一段时间未更新。适合：处理音视频内容的开发者。
中文介绍优先采用本站人工维护条目；无维护条目时依据 GitHub 公开字段（语言、主题、星标、提交时间）自动生成，未经项目方确认，不构成选型结论。jishengpeng/WavTokenizer 是一个以 Python 为主的开源项目，目前累计 1.3k star、116 fork，一年以上有维护。主要方向：acoustic、audio-representation、codec、dac、encodec、gpt4o。
依据 GitHub 公开字段（语言、主题、星标、提交时间）自动生成，未经人工逐项核实。acousticaudio-representationcodecdacencodecgpt4omusic-representation-learningsemanticsoundstreamspeech-language-modelspeech-representationtext-to-speech
README
正在加载…相关项目
★
VoxCPM 是用 Python 编写的学习资料，用于系统学习与查阅，主打开源免费。
VoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning
★
GPT-SoVITS 是用 Python 编写的开源项目，主题标签有限，建议打开仓库查看具体用途。
1 min voice data can also be used to train a good TTS model! (few shot voice cloning)
★
VoiceStudio 是用 Python 编写的 AI 工具，用于人工智能方向的建模与推理，主打开源免费。
VoiceStudio is the open-source, fully-local ElevenLabs alternative — voice cloning, voice design, video dubbing, dictation, transcription & audioboo…
★
利用大模型与自动化工作流，根据主题或关键词一键生成高清短视频的中文项目。
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short videos from a topic or keyword with an automated AI workflow.
★
[EMNLP 2025 Demo] PDF scientific paper translation with preserved formats - 基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL…
[EMNLP 2025 Demo] PDF scientific paper translation with preserved formats - 基于 AI 完整保留排版的 PDF 文档全文双语翻译，支持 Google/DeepL/Ollama/OpenAI 等服务，提供 CLI/GUI/…