speech-driven-animation

语音驱动的端到端面部动画合成模型

Speech-Driven Animation 视频动画人脸合成语音驱动深度学习 Github 开源项目

Speech-Driven Animation是一个开源项目，实现语音驱动的端到端面部合成模型。该项目根据输入图像和音频生成面部动画视频，支持GRID、TIMIT和CREMA等预训练模型。通过API可输入自定义音频和图像，输出同步动画视频。项目还提供音频和视频编码器，可用于特征提取和分类任务。

Github

论文

介绍相关项目

Expressive-FastSpeech2 - 非自回归表情文本到语音合成技术

Expressive-FastSpeech2Github多语言支持对话TTS开源项目情感TTS非自回归TTS

Expressive-FastSpeech2是一个非自回归表情文本到语音（TTS）的研究项目，专注于emotional和conversational TTS。该项目使用AIHub多模态视频AI数据和IEMOCAP数据库进行韩语和英语的处理，并提供了不同语言适应和数据处理的指导。

AudioGPT - 多功能音频生成与理解平台，支持语音、音乐、音效及虚拟人对话

AudioGPTGithub开源项目语音增强语音识别音乐生成音频合成

AudioGPT 是一个多功能音频生成与理解平台，具备语音合成、语音识别、语音分离、风格迁移、声音检测、声音提取、文本到音频转换等功能，还支持音乐生成与虚拟人对话。集成了 FastSpeech、whisper、GeneFace 等多个领先的基础模型，AudioGPT 为开发者提供强大的开源工具和预训练模型，支持多种音频相关任务，不断扩展其功能和应用场景。此平台适合音频处理、自然语言处理及多模态研究的需求。

EmotiVoice - 开源多声音、情感合成的文本转语音引擎

EmotiVoiceGithub多声音开源开源项目情感合成文本到语音热门

EmotiVoice是一款功能强大的开源文本转语音（TTS）引擎，支持中英文，并配备超过2000种声音选项。其最显著的特点是情感合成功能，用户可以创建表达各种情绪的语音，如快乐、激动、悲伤和愤怒等。EmotiVoice提供易于使用的Web界面和脚本接口，适用于批量生成结果，同时还支持语音速度调整，提供Mac应用程序和HTTP API，增设免费调用次数。

metavoice-src - 1.2B参数开源TTS模型，支持情感语音合成和跨语言声音克隆

GithubMetaVoice-1BTTS开源开源项目情感语音语音克隆

MetaVoice-1B是一个开源的1.2B参数TTS模型，经过10万小时的语音训练，支持英语情感语音合成和零样本的美式和英式语音克隆（仅需30秒参考音频）。该模型还支持跨语言声音克隆和任意长度文本的语音合成。可通过云端或本地部署使用，并提供Hugging Face和Google Colab的演示。

FollowYourEmoji - 基于扩散模型的自由风格肖像动画生成框架

AI绘图Follow-Your-EmojiGithub人像动画开源项目自由风格表情控制

FollowYourEmoji是一个基于扩散模型的肖像动画生成框架。该项目利用参考肖像和目标关键点序列，生成可精细控制的自由风格肖像动画。框架支持通过表情符号进行简单控制，实现个性化动画效果。项目开源了预训练模型和推理代码，便于研究人员和开发者进行进一步探索和应用。

TalkingGaussian - 结构持久性3D会说话头像合成的高斯散射方法

3D说话头合成GithubTalkingGaussian开源项目深度学习计算机视觉高斯散射

TalkingGaussian项目展示了一种新型3D会说话头像合成技术，基于高斯散射方法实现结构持久性。该项目包含完整的处理流程，涵盖视频预处理、音频特征提取和模型训练。系统支持目标音频推理，生成结构稳定且口型同步的逼真说话头像。项目提供了详细的安装指南、数据准备步骤和使用说明，便于研究人员进行实验和开发。

speech-emotion-recognition - 开源多模型语音情感识别系统

Emo-db数据集Github开源项目机器学习模型深度学习模型特征提取语音情感识别

speech-emotion-recognition是一个开源的语音情感识别系统，基于Emo-db数据集开发。该项目支持SVM、随机森林、神经网络、CNN和LSTM等多种机器学习和深度学习模型。系统使用Python实现，提供完整的数据预处理、特征提取和模型训练工作流程。项目设计简单易用，适合研究人员和开发者进行语音情感分析的研究和应用开发。该系统可应用于客户服务、情感计算、人机交互等领域，具有模型多样化、使用灵活、易于扩展等优点。

openheygen - 开源AI视频生成工具支持多语言语音合成和唇形同步

GithubHeyGen开源方案开源项目环境配置视频生成音频克隆

OpenHeyGen是一个基于coqui和video-retalking的开源AI视频生成工具。它能将文本转换为多语言语音，并与原始视频人物唇形精准同步。用户提供原始视频和音频后，即可生成高质量AI视频。该工具支持中文、英语、日语等多种语言，操作简便，为视频内容创作者和开发者提供了创新的技术解决方案。其核心功能包括多语言文本到语音转换、唇形同步技术和视频合成，满足各种AI视频制作需求。

dc_tts - 基于深度卷积网络的高效文本到语音转换模型

DC-TTSGithubTensorFlow开源项目文本转语音训练模型语音样本

dc_tts，一个基于TensorFlow的文本到语音转换模型，使用深度卷积网络和引导注意力机制进行设计。项目不仅还原了相关学术论文，还对不同声音数据进行了深入研究，支持多种语言和数据集，提供完善的训练及预处理教程以及预训练模型，适用于学术研究和实际应用场景。

Make-An-Audio - 将文本转换为高保真音频的开源扩散模型

GithubMake-An-Audio人工智能开源项目扩散模型文本转音频音频生成

Make-An-Audio是一个开源的文本到音频生成项目，基于条件扩散概率模型。该项目能够从文本等多种模态生成高保真音频，支持文本到音频、音频到音频等多种任务。项目提供了预训练模型和简单的命令行操作，方便用户生成自定义音频。此外，项目还包含了详细的训练和评估流程，以及与其他模型的性能比较。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com