Amphion
OpenMMLab 出品的音频、音乐和语音生成工具包。支持多种音频合成、语音转换和音乐生成模型，旨在支持可复现研究，帮助研究人员快速入门音频 AI 生成领域。9.8K+ stars。
🎯适用场景：AI 音乐创作、语音合成与变声、音频数据集处理与增强
📥 收录于 2026/6/3
📊 仓库数据
📈 Stars 变化 ↑1 天 +9· 统计区间 7/17 20:11 → 7/18 23:22（1 天）
✅ 优点
- •覆盖音频 AI 多个子领域
- •OpenMMLab 生态支持
- •文档详细便于上手
⚠️ 限制
- •部分模型依赖特定硬件
- •音质与商用工具仍有差距
- •模型推理速度较慢
🔗 相关工具
Real-Time Voice Cloning
github.com/corentinj/real-time-voice-cloning
5 秒语音克隆工具，59,640+ stars。只需 5 秒音频样本即可克隆任意人声，支持实时语音合成，是语音合成和 TTS 领域的里程碑项目
🎯语音合成与实时语音交互
GPT-SoVITS
github.com/RVC-Boss/GPT-SoVITS
1 分钟数据训练 TTS，56,826+ stars。强大的少样本语音克隆和文本转语音工具，仅需 1 分钟参考音频即可训练出高质量 TTS 模型，支持多语言和中日英三语合成
🎯语音合成与实时语音交互
VibeVoice
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与声音克隆，适用于多语种 TTS 与语音交互场景
🎯机器人控制、仿真与边缘部署、语音合成与实时语音交互
Voicebox
github.com/jamiepine/voicebox
Voicebox 是开源的语音合成工作室，提供高质量的文本转语音 (TTS) 能力。支持多语言、多音色、情感化语音生成，22,208 stars（周增 5,198 星）。与商业 TTS 服务不同，Voicebox 完全开源可自部署，提供 Web UI 和 API 两种使用方式。支持声音克隆（少量样本即可）、实时流式输出、SSML 标记语言控制韵律和语调，是播客制作、有声书生成、游戏配音和 AI 语音助手的理想选择
🎯播客/有声书自动化、游戏 NPC 配音、AI 语音助手、视频内容配音、无障碍朗读
ChatTTS
github.com/2noise/ChatTTS
日常对话生成语音模型，39,109+ stars。专为对话场景优化的文本转语音模型，生成自然流畅的语音，支持多种声音风格和情感表达
🎯语音合成与实时语音交互
OpenVoice
github.com/myshell-ai/OpenVoice
MIT 和 MyShell 联合开发的即时语音克隆模型，支持零样本 TTS。只需几秒音频即可克隆声音，跨语言支持英语、中文、日语等
🎯语音内容创作、个性化助手声音、跨语言语音合成
