MockingBird

开源多模态 & 视觉⭐ 37k

5 秒克隆声音，37K+ stars。5 秒克隆声音生成任意语音的实时语音合成工具，支持多语种语音克隆

#ai#deep-learning#pytorch#speech#text-to-speech

访问工具

📊 仓库数据

Stars36,901

Forks5,218

语言Python

协议NOASSERTION

上线2021/8/7

更新2026/5/20

✅ 优点

•GitHub 37K+ stars，社区活跃
•支持实时处理
•Python 生态友好

⚠️ 限制

•需要 Python 环境
•学习曲线较陡
•文档可能需要完善

🔗 相关工具

VibeVoice

开源⭐ 47k↑+9

github.com/microsoft/VibeVoice

微软开源的前沿语音 AI 模型，支持高质量语音合成和克隆

🎯 高质量语音合成和声音克隆

#voice#speech#microsoft#开源

index-tts

开源⭐ 21k↑+10

github.com/index-tts/index-tts

工业级可控高效 TTS，4.4K+ stars。工业级可控高效的零样本文本转语音方案，支持语音克隆和风格控制

#bigvgan#cross-lingual#indextts#text-to-speech+1

kornia

开源⭐ 11k↓1

github.com/kornia/kornia

几何计算机视觉库，11K+ stars。面向空间 AI 的几何计算机视觉库，提供 OpenCV 风格的 PyTorch 原生计算机视觉操作

#artificial-intelligence#computer-vision#deep-learning#hacktoberfest+1

Mmagic

免费⭐ 7.4k

github.com/open-mmlab/mmagic

OpenMMLab 多模态工具箱，8.6K+ stars。多模态高级生成和智能创建工具箱，支持图像生成、视频生成等多种任务

#aigc#computer-vision#deep-learning#diffusion+1

Stable Diffusion WebUI

开源⭐ 163k↑+10

github.com/AUTOMATIC1111/stable-diffusion-webui

最流行的 Stable Diffusion Web UI，162,491+ stars。提供直观的图形界面，支持文生图、图生图、ControlNet、LoRA 微调、Inpainting 等核心功能，是 AI 图像生成领域的事实标准工具

🎯 AI 图像生成、艺术创作、模型微调、设计辅助

#图像生成#Stable Diffusion#Web UI#开源

ComfyUI

开源⭐ 114k↑+40

github.com/comfyanonymous/ComfyUI

节点式 Diffusion 模型 GUI，109,363+ stars。基于节点的工作流编排，可视化连接各处理模块，是最强大的图像生成工作流工具，支持 SDXL、Flux、Stable Cascade 等最新模型

🎯 高级图像生成工作流、批量图片处理、模型对比实验