cloning

VoiceStudio 是 ElevenLabs 的开源、完全本地化替代方案 — 提供 646 种语言的语音克隆、语音设计、视频配音、听写、转录和有声读物创建。

1分钟的语音数据也可以用来训练一个好的TTS模型！ （几张声音克隆镜头）

VoxCPM：面向上下文感知语音生成与逼真音色克隆的无分词器文本转语音系统

从电子书生成有声书，支持语音克隆及1107种以上语言！

Netflix级字幕切割、翻译、对齐、甚至加上配音，一键全自动AI视频字幕团队

🚀 真正开源的 AI 数字人工具包，支持离线视频生成与数字人克隆

The truly free, open-source, local-first, cross-platform CapCut replacement. Scriptable through a JSON-RPC API & MCP.

为创作者和开发者打造的Gradio WebUI，具备核心TTS功能（Edge-TTS、kokoro）和零样本声音克隆（E2与F5-TTS、CosyVoice），并集成Whisper音频处理、YouTube下载、Demucs人声分离和多语言翻译。

Canopy Network协议的官方Go语言实现

YuE2：具有象征性规划、零镜头翻唱和代理音乐编辑的前沿音乐生成。

一款用于音频模型的一体化纯 C++ 推理引擎，由 ggml 提供支持。支持TTS、STT、VAD、语音转换、音乐生成等，性能高度优化。没有 Python 依赖。

MOSS‑TTS 系列是由 MOSI.AI 与 OpenMOSS 团队开发的开源语音与声音生成模型系列。

专为Apple Silicon打造的原生LLM推理服务器，兼容OpenAI与Anthropic API，无需Python环境。包含基于MLX Core的macOS应用，支持聊天、智能体模式及工具调用功能。