VoiceCraft 是一个开源项目 ，由 Jason Peng 等人开发，旨在实现零样本（Zero-Shot）语音编辑和文本到语音（Text-to-Speech, TTS）转换。 该项目在野生数据集上，包括有声书、互联网视频和播客等，都取得了最先进的性能。VoiceCraft基于一个基于令牌的神经编解码器语言模型，能够通过仅仅几秒钟的参考音频来克隆或编辑一个未见过的语音。