KI-Tools, bewertet für deinen Beruf
Bezahlte KI-Jobs
🤝 Du bist in der Frei-&-Open-Source-Bibliothek — von der Community entwickelte Tools, die du kostenlos nutzen kannst. Ein anderes Konzept als unser bewertetes KI-Verzeichnis.
Start › Frei & Open Source › Gaming › Woosh
✦ Frei & Open SourceGaming

Woosh

Generiert und decodiert Soundeffekte aus Text-Prompts oder Videosequenzen mithilfe von Open-Foundation-Modellen.

Text-zu-Audio- und Video-zu-Audio-SFX-Generierung

Die Open-Foundation-Modelle von Sony AI für Audio-Encoding, textgesteuerte Soundeffekte und videosynchronisiertes Audio.

Für immer kostenlos · Open Source · Apache-2.0
✓ Light setup✓ Im Browser✓ Echtzeit-Zusammenarbeit
6.9
ZEKAI
Leistungsstarker lokaler SFX-Generator
Frei & Open Source · Gaming
Einfache Einrichtung5
Nützlichkeit8
Wartung9.5
Community5
★ 388
GITHUB
Sep 2026
AKTUALISIERT
Apache-2.0
LIZENZ
🛠 Keine Lust auf Self-Hosting? Wir richten es ein →
⚡ Schnelle Antwort

Woosh ist ein von Sony AI entwickeltes Soundeffekt-Foundation-Toolkit für die Text-zu-Audio- und Video-zu-Audio-Synthese. Es bietet Latent-Diffusion-Modelle neben einem Audio-Encoder und -Decoder für Sounddesigner und Spieleentwickler. Sie können Inferenzskripte ausführen, lokale Browserschnittstellen starten oder die Generierung über einen API-Server in eigene Pipelines integrieren.

Läuft auf
Cross-platform
Hosting
Self-host
Sprachen
Python
Lizenz
Apache-2.0

Was es ist

Das Repository stellt eine Reihe von Modellen bereit, darunter Woosh-AE für latentes Audio-Encoding, Woosh-CLAP für Text-Conditioning sowie Latent-Diffusion-Modelle wie Woosh-Flow und Woosh-VFlow. Es synthetisiert Audio direkt aus deskriptiven Text-Prompts oder gleicht generiertes Audio mit Eingabe-Videodateien ab. Sie verwalten und ausführen die Tools über Python-Skripte unter Verwendung des uv-Umgebungsmanagers.

Für wen

Es eignet sich für Spieleentwickler, technische Sounddesigner und KI-Audio-Forscher, die originale Audio-Assets lokal generieren möchten. Es ist weniger geeignet für nicht-technische Kreative, die ein fertiges Digital-Audio-Workstation-Plugin oder sofortige kommerzielle Rechte benötigen.

Wichtige Funktionen

Text-zu-Audio-Generierung

Synthesiziert benutzerdefinierte Soundeffekte direkt aus Textbeschreibungen unter Verwendung von Standard- und destillierten Diffusionsmodellen.

Video-zu-Audio-Synchronisation

Erstellt Audiospuren, die mithilfe multimodaler latenter Diffusion an Eingabe-Videosequenzen ausgerichtet sind.

Audio-Latent-Encoding

Komprimiert Roh-Audio in neuronale Latenten und rekonstruiert hochwertige Wellenformen mit Woosh-AE.

Lokale Gradio-Demos

Bietet webbasierte Benutzeroberflächen zum Testen der Text-zu-Sound-Generierung in Ihrem lokalen Browser.

Erste Schritte

Startklar in 3 Schritten

1
Installieren Sie uv und erstellen Sie Ihre Umgebung, indem Sie `uv sync --extra cuda` für die GPU-Ausführung ausführen.
2
Laden Sie das Release-Paket von GitHub Releases herunter und entpacken Sie die Checkpoints in den Ordner `checkpoints/`.
3
Starten Sie das lokale Web-Test-Tool, indem Sie `uv run gradio_Woosh-Flow.py` ausführen und zu localhost navigieren.
Klartext

Unser ehrliches Fazit

Stärken

  • Enthält dedizierte Video-zu-Audio-Modelle zur Synchronisation von Videoframe-Sounds
  • Bietet destillierte Modelle wie Woosh-DFlow für schnellere Inferenzzeiten
  • Stellt integrierten API-Server-Code bereit, um Modelle in externe Game-Engines einzubinden
  • Verwendet moderne uv-Umgebungsisolation für ein sauberes Abhängigkeitsmanagement

Schwächen

  • Modellgewichte sind unter CC-BY-NC lizenziert, was kommerzielle Spiele-Releases einschränkt
  • Erfordert lokale GPU-Hardware mit CUDA-Unterstützung für praktikable Generierungsgeschwindigkeiten
  • Erfordert das manuelle Herunterladen und Entpacken von Modellgewichten aus GitHub Releases
  • Es fehlt eine DAW-Plugin-Schnittstelle oder eine Produktions-Digital-Audio-Workstation-GUI
Kosten

Preise & Lizenz

Der Quellcode ist unter MIT- und Apache-2.0-Lizenzen frei und offen. Die vortrainierten Modellgewichte verwenden jedoch eine nicht-kommerzielle CC-BY-NC-Lizenz. Das Ausführen des Projekts erfordert eigene lokale GPU-Rechenhardware.

Bezahlte Arbeit

Stellen für Deutschsprachige

896 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.

Alle offenen Stellen ansehen →
Vergleich

Alternativen

Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.

Mehr

Nutze es, oder lass es uns einrichten

📄 Kostenloses PDF: Woosh für Gaming
Ein verständlicher Leitfaden für dein erstes Ergebnis. Direkt in dein Postfach.
🔔 64 Personen wünschen sich ein komplettes Video-Tutorial — stimme ab
🛠 Keine Lust auf eigene Einrichtung?
Wir installieren, hosten & konfigurieren Woosh für dich — und schulen dein Team.
Erledigen lassen ↗
Fragen

FAQ

Kann ich generierte Sounds in einem kommerziellen Spielprojekt verwenden?

Der Repository-Quellcode verwendet Apache-2.0- und MIT-Lizenzen, aber die auf GitHub Releases bereitgestellten offenen Modellgewichte sind unter CC-BY-NC lizenziert, was die kommerzielle Nutzung ohne separate Vereinbarungen einschränkt.

Benötigt Woosh eine aktive Internetverbindung, um Audio zu generieren?

Nein. Sobald Sie die Abhängigkeiten installieren und die Modell-Checkpoints lokal herunterladen, läuft die gesamte Audiogenerierung offline.

Radar

Neueste KI-News

✉️ Das wöchentliche kostenlose Toolkit
Die besten neuen freien & Open-Source-Tools für Gaming — eine kurze E-Mail pro Woche, in deiner Sprache.
Kostenlos · 1 E-Mail/Woche · jederzeit abbestellbar
Mit KI-Training Geld verdienen →

Zekai zuerst in Google sehen