Unofficial Parallel WaveGAN Demo

WaveGlow

AI GitHub 仓库

NVIDIA 开发的一个开源基于流的神经网络，用于文本到语音合成。给定一个梅尔谱图，它直接生成语音音频，无需自回归步骤，使用单一的基于似然的成本函数进行训练。PyTorch 代码和预训练模型面向构建或基准测试语音合成声码器的研究人员和工程师。WaveGlow 是 NVIDIA 开发的一个开源基于流的神经网络，用于文本到语音合成。给定一个梅尔谱图，它直接生成语音音频，无需自回归步骤，使用单一的基于似然的成本函数进行训练。PyTorch 代码和预训练模型面向构建或基准测试语音合成声码器的研究人员和工程师。

F5-TTS: 讲故事者语音合成

AI GitHub 仓库

语音合成工具，旨在使用流匹配技术生成流畅且忠实的语音。它为开发者提供官方代码，以创建高质量、自然听感的语音输出。F5-TTS 是一款语音合成工具，旨在使用流匹配技术生成流畅且忠实的语音。它为开发者提供官方代码，以创建高质量、自然听感的语音输出。

高效、高保真的生成对抗网络，用于语音合成。它通过建模音频中的周期性模式来提升样本质量，以极快的速度实现接近人声的质量。该模型支持单说话人、未见过的说话人以及端到端合成，并提供适用于 CPU 的轻量级版本。HiFi-GAN 是一种高效、高保真的生成对抗网络，用于语音合成。它通过建模音频中的周期性模式来提升样本质量，以极快的速度实现接近人声的质量。该模型支持单说话人、未见过的说话人以及端到端合成，并提供适用于 CPU 的轻量级版本。

StyleGAN-XL

AI GitHub 仓库

用于从大型、多样化数据集中生成高分辨率图像的 AI 模型。它扩展了 StyleGAN 架构，以提高图像合成质量和多样性。该项目提供了用于训练、生成样本以及执行图像反演和编辑的代码。StyleGAN-XL 是一个用于从大型、多样化数据集中生成高分辨率图像的 AI 模型。它扩展了 StyleGAN 架构，以提高图像合成质量和多样性。该项目提供了用于训练、生成样本以及执行图像反演和编辑的代码。

Audiocraft

AI GitHub 仓库

用于深度学习音频生成和处理的 PyTorch 库。它提供了像 MusicGen（用于可控音乐生成）和 AudioGen（用于文本到声音）这样的最先进模型。该库还包含 EnCodec 音频压缩器和用于研究的训练代码。Audiocraft 是一个用于深度学习音频生成和处理的 PyTorch 库。它提供了像 MusicGen（用于可控音乐生成）和 AudioGen（用于文本到声音）这样的最先进模型。该库还包含 EnCodec 音频压缩器和用于研究的训练代码。

OpenAI Whisper

AI GitHub 仓库

Whisper 是 OpenAI 开发的一个强大、通用的语音识别模型。它在多语言语音识别、语音翻译和语言识别方面表现出色。通过在多样化的音频数据上进行训练，它提供了一个单一模型来处理各种语音处理任务，用统一的序列到序列方法取代了传统的多阶段流水线。

Voicemaker 文本转语音

AI 应用

#10

提供一款由 AI 驱动的文本转语音转换器，拥有超过 2,000 种超逼真语音，支持 130 种语言。轻松生成并下载 MP3 和 WAV 格式的 TTS 音频文件，非常适合视频、演示文稿等各种内容创作需求。Voicemaker 提供一款由 AI 驱动的文本转语音转换器，拥有超过 2,000 种超逼真语音，支持 130 种语言。轻松生成并下载 MP3 和 WAV 格式的 TTS 音频文件，非常适合视频、演示文稿等各种内容创作需求。

Gandr

AI 应用

#83

文本转语音和语音克隆平台，提供无限并发流的固定费用服务。它支持 23 种语言的实时音频，非常适合有声书、配音、电子学习等应用。Gandr 是一个文本转语音和语音克隆平台，提供无限并发流的固定费用服务。它支持 23 种语言的实时音频，非常适合有声书、配音、电子学习等应用。