Stable Audio
Stable Audio は Stability AI の生成音声プラットフォームです。テキストから音楽、ループ、ステム、環境音、効果音を作れます。Stable Audio 3.0 は芸術的実験向けで、研究やローカル制作向けの open-weight 選択肢もあります。
Stable AudioAI音楽生成text to music
1310
Filter by Category
AudioCraft
Open source library for audio/music generation by Meta, which mainly includes two models, MusicGen: text-to-music model, AudioGen: text-generated sound model. - スマートな AI ツールで生産性を向上。
ai-musicfree
1280
Bark
Bark is a transformer-based text-to-audio model created by Suno. Bark can generate highly realistic, multilingual speech as well as other audio - including music, background noise and simple sound effects. - スマートな AI ツールで生産性を向上。
ai-musicfree
1350
ElevenLabs Sound Effects
ElevenLabs Sound Effects は、テキストからカスタムSFX、環境音、ループ、映画的な効果音を生成するツールです。長さ、prompt influence、ループ、複数バリエーション、ダウンロード、APIワークフローに対応します。
ElevenLabs Sound EffectsAI効果音text to sound effects
1600
Mureka
Mureka はプロンプトや歌詞から曲を生成し、参照音声や Vocal ID、区間編集、延長、Remix、ステム分離、書き出しまで扱う AI 音楽制作プラットフォームです。
MurekaAI音楽生成歌詞から曲
1830
Udio
Create music from simple text prompts by specifying topics, genres, and other descriptors which are then transformed into professional quality tracks. - スマートな AI ツールで生産性を向上。
ai-musicfree
1280
Suno AI
Create stunning original music for free in seconds using AI. Make your own masterpieces, share with friends, and discover music from artists worldwide. - スマートな AI ツールで生産性を向上。
ai-musicfree
1160
Lalal.ai
Split vocal and instrumental tracks quickly and accurately with LALAL.AI. Upload any audio file and receive high-quality extracted tracks in a few seconds. - スマートな AI ツールで生産性を向上。
voice-processingfree
990
Vocal Remover
Separate voice from music out of a song free with powerful AI algorithms - スマートな AI ツールで生産性を向上。
voice-processingfree
960
So-VITS-SVC
So-VITS-SVC 4.1 は、テキスト読み上げではなく、歌声変換のためのアーカイブされたオープンソース研究フレームワークです。この独立したガイドでは、同意、ライセンス、クリーンなデータセット、F0 とエンコーダー、トレーニング、推論、評価、開示、セキュリティ、および代替手段について説明します。
so-vits-svc歌声変換声質変換
11920
Shazam
ShazamはAppleの音楽認識アプリで、周囲や対応アプリ内で流れている曲を識別できます。曲名、歌詞、ビデオ、ライブ情報、Apple Musicへの導線をすばやく得たいユーザーに向いています。
Shazammusic recognitionsong identifier
1060
ChatTTS
ChatTTS is a text-to-speech model designed specifically for dialogue scenario such as LLM assistant. It supports both English and Chinese languages. - スマートな AI ツールで生産性を向上。
text-to-speechfree
970
Tetos
Tetosは、複数のText-to-Speechプロバイダーを統一インターフェースで扱うオープンソースのPython/CLIラッパーです。Edge TTS、OpenAI、Azure、Google、Volcengine、Baiduなどを比較・切り替えたい開発者に向いています。
Tetostext to speechTTS API
1150
EmotiVoice
EmotiVoice は NetEase Youdao の無料オープンソース多音声・プロンプト制御 TTS です。英語と中国語、2000以上の声、感情・話し方制御に対応し、研究、開発、音声アプリのプロトタイプに向いています。
EmotiVoice感情TTSオープンソースTTS
1240
ElevenLabs
ElevenLabsは、TTS、音声クローン、吹き替え、音声認識、音声エージェント、生成音声APIに対応するAI音声プラットフォームです。
ElevenLabsAI voice generatortext to speech
1200
Coqui TTS
A deep learning toolkit for Text-to-Speech, battle-tested in research and production - スマートな AI ツールで生産性を向上。
text-to-speechfree
1370
Hailuo AI TTS
Hailuo AI TTSは、MiniMax Audioと関連する多言語テキスト読み上げ、AI音声、音声クローン向けの音声生成ツールです。
Hailuo AI TTSMiniMax Audiotext to speech
1140
Azure Text to Speech
The best and most realistic voice tools currently available - スマートな AI ツールで生産性を向上。
text-to-speech
1330
Index TTS
IndexTTSはBilibiliのオープンソース、産業レベルの制御可能で効率的なゼロショットTTSシステムです。完成したWeb音声アプリではなく、音声研究者と開発者向けの実験プロジェクトです。
Index TTStext to speechzero-shot TTS
1560
Whisper Web
Whisper Webは、Transformers.jsで動くMITライセンスのブラウザ音声認識デモです。端末内で文字起こしし、タイムスタンプ付き結果をTXT/JSONで保存できます。
Whisper Webブラウザ音声認識Transformers.js
1330
WhisperX
WhisperXは、faster-whisperのバッチ文字起こしに言語別の単語強制アラインメントと任意のpyannote話者分離を加える長時間音声向けOSSパイプラインです。
WhisperXspeech alignmentspeaker diarization
1200
WhisperDesktop
WhisperDesktop は、オーディオ、ビデオ、およびマイク入力でローカルに OpenAI Whisper を実行するための Windows デスクトップ アプリおよび DirectCompute 実装です。このガイドでは、セットアップ、モデル、GPU、字幕、プライバシー、および代替手段について説明します。
WhisperDesktopOpenAI Whisperspeech recognition
2940
Buzz
Buzz は、macOS、Windows、Linux 上でローカルの Whisper 文字起こし、字幕、ライブ キャプション、翻訳、話者ラベル付けを行うための MIT ライセンスの無料デスクトップ アプリです。このガイドでは、バックエンド、ハードウェア、プライバシー、精度テスト、字幕 QA、CLI 自動化、およびクラウド代替手段を比較します。
BuzzBuzz Captionsオフライン文字起こし
28310
Whisper.cpp
Whisper.cpp は、ローカルの文字起こし、翻訳、ストリーミング、サーバー、組み込みアプリ向けの OpenAI Whisper の依存関係の少ない C/C++ 実装です。このガイドでは、モデル、量子化、バックエンド、精度、プライバシー、展開について説明します。
speech-recognitionfree
1160