GitHub2

音乐与语音生成

开源的音乐生成与本地语音处理工具:multimodal-art-projection YuE2(前沿开源音乐生成,符号化规划统一符号与音频,支持歌词+风格生成完整歌曲、零样本翻唱、智能体音乐编辑,附带 MERT2 音乐理解与 SheetSage2 音频转乐谱)、debpalash VoiceStudio(完全本地的 ElevenLabs 替代方案,16 种 TTS 与 11 种 ASR 引擎,支持语音克隆、配音、听写、有声书)。

multimodal-art-projection/YuE

YuE2 是一个前沿开源音乐生成项目,通过符号化规划(symbolic planning)统一符号与音频音乐生成,支持从歌词+风格提示生成完整歌曲、零样本翻唱和智能体音乐编辑,在 WildSongBench 上达到与 Suno v5/v6 竞争的质量,并附带 SOTA 音乐理解模型 MERT2 和音频转乐谱模型 SheetSage2。

GitHub查看原文 →

debpalash/VoiceStudio

VoiceStudio 是一个开源的、完全本地的 ElevenLabs 替代方案,支持语音克隆、语音设计、视频配音、听写、转录和有声书生成,涵盖 646 种语言。

GitHub查看原文 →

数据由 GitHub Actions 每小时自动抓取 · AI 摘要聚合 · News Monitor