xtts-webui

用于使用 XTTS 并对其进行微调的 Webui

XTTS-WebUI是一个强大的语音合成界面，利用先进的XTTS技术，支持无需安装的便携式版本，能够处理批量文件，维持翻译语音的原真性，并通过神经网络自动优化语音合成结果。此外，用户还可以自定义调整语音模型，实现无需深度学习背景即可操作的专业语音处理。

访问官网

sd-webui-text2video - 基于Auto1111的多样化text2video模型实现

GithubLoRAModelScopeStableDiffusion WebUIText2videoVideoCrafter开源项目

基于Auto1111的webui依赖，该扩展实现了ModelScope和VideoCrafter等text2video模型，无需登录即可使用。要求至少6GB的VRAM，支持不同帧数和分辨率的视频生成。项目包含多次更新，新增功能如VAE设置、提示权重和WebAPI，并支持LoRA训练。提供详细的模型下载指南，并欢迎社区的贡献与支持。

YouDub-webui - 开源视频本地化工具实现多语言配音和翻译

AI语音识别GithubYouDub-webui声音克隆开源项目视频中文化语言模型翻译

YouDub-webui是一个开源的视频本地化工具，集成视频下载、AI语音识别、大语言模型翻译、AI声音克隆和视频处理功能。该工具可将YouTube等平台的视频转换为多语言版本，保留原视频的情感和语调。YouDub-webui提供简洁的界面，适用于教育、娱乐和专业翻译等多种场景，实现高效的视频本地化。

exui - 基于ExLlamaV2的浏览器界面简化本地大语言模型交互

ExLlamaV2ExUIGithub大语言模型开源项目本地推理用户界面

ExUI是基于ExLlamaV2开发的轻量级浏览器界面，用于本地大语言模型推理。该工具提供响应式界面、持久会话和多种指令格式，支持EXL2、GPTQ和FP16模型。ExUI具有推测性解码和记事本模式等特性，适用于本地环境和Google Colab，简化了大语言模型的交互过程。

Bridge-TTS - 创新方法提升文本转语音合成效果

Bridge-TTSGithubSchrodinger Bridge开源项目文本转语音机器学习语音合成

Bridge-TTS是一个革新性的文本转语音(TTS)项目，利用人工智能和机器学习技术，通过创新的数据处理方法优化语音合成。无论在简单还是复杂的应用场景中，它都显著优于传统的扩散模型。这一突破不仅提升了TTS技术水平，还为语音合成和相关人工智能领域开辟了新的研究方向。项目详情、研究方法和结果可在官方网站查阅，完整源代码将在论文被学术界正式接受后公开发布。

vits_chinese - 基于BERT和VITS技术的文本到语音合成系统

BERTGithubTTSVITS开源项目文本到语音自然语言处理

vits_chinese项目引入了BERT和VITS技术，通过隐藏的韵律嵌入和自然语言特性，显著提高了文本到语音合成的音质和自然度。此项目不只适于高质量音频生成，也提供模块化蒸馏加速和在线演示，便利学习和开发人员的应用。

Text2Audio - 在线文字转语音工具支持多语言转换和自定义设置

AI工具MP3转换在线工具多语言支持文字转语音语音定制

Text2Audio是一款在线文字转语音工具，支持多种语言转换。用户可调整语音音调和速度，快速生成MP3格式音频。适用于视障辅助、语言学习、教学视频制作等场景。无需注册，免费使用，为用户提供简便的文本转语音服务。支持20多种语言，包括英语、中文、日语等，特别适合多语言内容创作者和国际化企业使用。

lollms-webui - 多功能AI模型界面，简化多任务操作

AI模型GithubLoLLMs图像生成多模态系统开源项目音乐生成

LoLLMs WebUI是一个用户友好的平台，支持500多种AI专家和2500多种精细调优模型，适用于写作、编码、数据分析和图像生成等任务。平台兼容多种后端配置，如LM Studio、Ollama和vllm，并提供简单的安装选项。无论是学生、专业人士还是娱乐用户，LoLLMs都能满足多种需求。

lobe-tts - 服务器和浏览器上高效可靠的TTS/STT技术库

GithubLobe TTSReact组件TTS/STT库开源开源项目服务器端语音生成

Lobe TTS提供全面的文本转语音解决方案，支持多种语音选择并可实现极具逼真度的音频输出。适用于服务器与浏览器端，助力开发者轻松集成先进的语音交互功能到任何应用，包括开箱即用的React组件以简化前端集成。

Bert-VITS2-ext - 实现声音到脸部表情的同步生成的TTS及声音识别的应用

Bert-VITS2GithubTTS开源项目数据预处理表情生成音频质量

Bert-VITS2-ext 专注于TTS及声音识别的创新应用，实现声音到脸部表情的同步生成。该技术结合VITS，支持多语言，适用于复杂交互场景，为动画与虚拟互动领域开辟新可能。

Transformer-TTS - 神经语音合成系统

GithubPyTorchTacotronTransformer-TTS开源项目神经网络语音合成

Transformer-TTS，一个基于Pytorch的高效神经语音合成系统。它使用Transformer网络，且训练速度是传统seq2seq模型的3到4倍。不仅提供预训练模型，其合成语音质量经实验证明优异。同时，项目支持自定义学习模型及策略，包括Noam式预热衰减学习率及关键的梯度裁剪等，是语音合成研究的理想选择。

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