NVIDIA/personaplex

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

PersonaPlex 是一个实时 full-duplex 语音对语音对话模型。它通过文本角色 prompt 设定 persona，并用音频样本调节声音。该模型基于 Moshi 的架构和权重。

对 ATF 的帮助

与我们的产品无关，因进入排行榜而一并收录。

许可证

MIT 宽松许可。保留版权声明即可商用和修改。

同领域的其他仓库

• QwenLM/Qwen3-TTS
  阿里云Qwen团队开源的TTS语音合成模型系列。支持流式语音生成、自由声音设计、声音克隆以及通过自然语言控制语音。
• remotion-dev/remotion
  一个用React代码制作视频的框架，以代码为准。可以借助编码智能体制作视频、通过拖放编辑，或连接数据后在自己的基础设施上批量渲染。
• ace-step/ACE-Step-1.5
  ACE-Step 1.5是一个可在Mac、AMD、Intel和CUDA设备上本地运行的开源音乐生成模型。用户可以用几首歌曲训练LoRA，以体现自己的风格。
• torvalds/AudioNoise
  AudioNoise是为学习数字音频处理基础而写的一组简单音频效果，例如phaser和echo。它使用IIR滤波器和delay loop，按输入一个样本、输出一个样本的方式处理。
• dwzhu-pku/PaperBanana
  这是一个利用VLM和图像生成模型为学术论文制作插图的工具，提供可选择模型的Streamlit界面。它是从Google Research的PaperVizAgent fork而来的项目。

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。