audio-ai-hub 是一个用 Python 整理的音频 AI 资源库，把音频大模型、语音识别、TTS、音乐与音频生成方向的论文、开源模型、benchmark 和数据集汇总到一处。开发者想找某个音乐生成模型或对比方案时，不必再逐个仓库翻找，从这里就能直接定位。
The hub for audio AI research: papers, open models, benchmarks & datasets across audio LLMs, speech recognition, TTS, music & audio generation.
按钮会在新标签页打开，本站不代理、不镜像仓库内容。
Amphion 是一个音频、音乐与语音生成工具包，旨在支持可复现研究，帮助开发者快速上手这一领域。它提供统一的 Python 接口与预训练模型，最典型的用法是搭建 text-to-speech 或歌声合成的 workflow，从 prompt 直接生成音频。
这是 MIT 6.S191 深度学习入门课的实验材料，用 Jupyter Notebook 讲解神经网络基础，并带你动手训练模型。最典型的是音乐生成实验，你可以在 notebook 里搭建并训练一个 RNN，让它学会生成旋律。
这是一个面向 ACE-Step 1.5 音乐生成模型的开源 Web UI，让你在本地免费、不限量地生成音乐，替代 Suno 等付费服务。典型用法是本地部署模型后，在浏览器里写 prompt、调参数并试听导出成品。
audio.cpp 是一个纯 C++ 的音频模型推理引擎，基于 ggml 构建，无需 Python 依赖，把 TTS、STT、VAD、声音转换和音乐生成等任务统一到一套 SDK 里。想在本地跑音乐生成或语音处理的开发者，可以直接用 CLI 加载模型推理。
MuseGAN 是一个用 Python 实现的音乐生成模型，基于生成对抗网络自动创作多声部音乐。它最典型的用法是训练模型生成多轨钢琴卷帘，让开发者直接得到可编辑的 MIDI 片段，用于配乐或研究。
SGLang-Omni 是面向音频模型与统一多模态模型的高性能 serving 框架，用 Python 编写，解决 TTS、ASR 等模型部署时推理效率低的问题。典型场景是把训练好的语音模型通过它上线，对外提供低延迟的 API 服务。
