k2-fsa/OmniVoice

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

一个支持600多种语言的zero-shot TTS（文本转语音）模型。支持声音克隆、按性别、年龄、口音等说话人属性设计声音以及发音纠正，并提供Python API和命令行工具。

对 ATF 的帮助

与我们的产品只有较弱的关联。可作为在ATF Works这类共享工作空间中，用多种语言朗读文档或消息的语音输出参考。

许可证

Apache-2.0 宽松许可，含专利授权。可商用，需保留声明并注明修改。

同领域的其他仓库

• ArcReel/ArcReel
  一个自托管工作台，可把小说、剧本或商品素材转化为角色、场景、道具、分镜和短视频。每个阶段可由agent执行，也可由用户审核或重新生成，并追踪生成费用。
• webadderallorg/Recordly
  一款用于录制和编辑屏幕画面的桌面应用，面向演示和操作讲解视频，提供自动缩放、平滑光标移动、摄像头悬浮窗、美化画框和时间线编辑。
• tonhowtf/omniget
  OmniGet是一款基于yt-dlp的桌面应用，可从众多网站下载在线课程、视频、音乐和书籍。它还带有课程播放器、PDF和EPUB阅读器、音乐库以及MCP服务器。
• crmne/spotifast
  Spotifast是用Rust和egui编写的原生Spotify客户端，通过librespot播放音乐，并显示为Spotify Connect设备。它可在Linux、macOS和Windows上运行，播放需要Spotify Premium。
• latent-spaces/brag
  brag是一个Claude Code skill，可把完成的项目做成带音乐、动效和分享文案的简短发布视频。同一个skill也能被Codex CLI、opencode等其他agent发现。

只收录进入 Trendshift 排行榜的仓库，榜单仅用于寻找候选项目，不转载名次。说明、许可证和星标数来自各 GitHub 仓库。解读是我们自己的判断。我们尚未测试这些项目，上榜并不证明质量。