speech-synthesis 第 4 页
本站收录 247 个带「speech-synthesis」标签的 AI 开源项目（按 GitHub 星标从高到低，第 4 / 5 页）
silero-stressSilero Stress 是一个面向俄语的预训练自动重音标注与同形异义词消歧工具。它解决了俄语文本中多音字（同形异义词）发音不明确的问题，为文本转语音（TTS★ 166
Neural-HMMNeural-HMM 是一个基于神经隐马尔可夫模型（Neural HMM）的高质量文本转语音（TTS）开源项目。它旨在解决传统注意力机制在语音合成中的鲁棒性不足★ 164
AdaSpeechAdaSpeech 是一个基于 PyTorch 的自适应文本转语音（TTS）项目，旨在为自定义声音提供高质量的语音合成能力。它针对传统 TTS 系统在适应新说话★ 162
awesome-ai-services这是一个汇总AI即服务（AI-as-a-Service）领域资源与工具的精选列表项目。它系统梳理了当前市场上各类AI服务，覆盖计算机视觉、人脸识别、实体识别、关★ 162
Kazakh_TTSKazakh_TTS 是一个哈萨克语文本转语音（TTS）语料库项目，是早期 KazakhTTS 的扩展版本。它解决了哈萨克语语音合成领域高质量数据稀缺的问题，将★ 162
whisper-vits-japanese这是一个将Whisper语音识别模型与VITS语音合成模型结合的开源工具，专门用于日语语音合成。它解决的核心问题是：传统VITS训练需要成对的文本和音频数据，而★ 161
StyleTTS2StyleTTS2 是一个基于 StyleTTS 2 模型的文本转语音（TTS）与声音克隆工具，以 Python 包形式提供，可通过 pip 直接安装使用。它解★ 158
edge-ttsedge-tts 是一个基于 TypeScript 的 Node.js/Bun 库，让你无需安装 Microsoft Edge、Windows 系统或申请 AP★ 152
Comprehensive-E2E-TTS这是一个基于 PyTorch 的非自回归端到端文本转语音（TTS）项目，直接将文本转换为语音波形，无需中间声学特征。它集成了多种前沿的无监督时长建模方法，支持 ★ 147
axiom-voice-agentaxiom-voice-agent 是一个面向边缘设备和低端显卡的离线语音代理项目，旨在让语音交互在资源受限的环境下也能实现超低延迟运行。它解决了传统语音代理依★ 146
tts-arabic-pytorch这是一个基于 PyTorch 的阿拉伯语语音合成（TTS）工具包，实现了 Tacotron2 和 FastPitch 两种主流声学模型，并集成 HiFi-GAN★ 145
UnityTTSUnityTTS 是一个专为 Unity 引擎设计的文本转语音（TTS）解决方案，旨在帮助开发者轻松地在 Unity 项目中集成语音合成功能。它解决了 Unit★ 144
spokestack-pythonSpokestack-python 是一个为 Python 应用提供语音界面能力的开源库，尤其专注于嵌入式系统。它解决了在资源受限的设备上集成语音交互的难题，提★ 142
Multi-SingerMulti-Singer 是 ACM MM 2021 论文的官方 PyTorch 实现，专注于歌唱语音合成（Singing Voice Synthesis）。它★ 139
Verbify-TTSVerbify-TTS 是一个简单且免费的文本转语音引擎，旨在为用户朗读屏幕上的任意文本。它利用先进的 AI 模型提供高质量语音，解决传统 TTS 工具音质生硬★ 139
best-rq-pytorchBEST-RQ 是一种自监督语音表示学习模型，由 Google 提出，核心思想是用随机投影量化器（Random Projection Quantizer）替代传★ 138
MB-iSTFT-VITS2MB-iSTFT-VITS2 是一个基于 PyTorch 的语音合成（TTS）开源项目，它将 MB-iSTFT-VITS 的组件应用到 vits2_pytorc★ 135
SoundStorm-pytorchSoundStorm-pytorch 是 Google SoundStorm 论文的非官方 PyTorch 实现，旨在解决传统自回归语音合成速度慢的问题。它通过★ 131
Qwen3-TTS-EasyFinetuningQwen3-TTS-EasyFinetuning 是一个面向 Qwen3-TTS 模型的简易微调工具，旨在让开发者快速实现声音克隆和多语言高质量语音合成。它解决★ 128
ubisoft-laforge-daft-exprtDaft-Exprt 是育碧旗下 La Forge 团队开源的一个跨说话人韵律迁移工具，用于 expressive speech synthesis（表现力语音★ 127
edittsEdiTTS 是 INTERSPEECH 2022 论文的官方实现，基于分数生成模型（score-based）实现可控的文本到语音（TTS）编辑。它解决的是传统★ 122
Avocodo-pytorchAvocodo-pytorch 是 Avocodo 声码器的 PyTorch 实现。Avocodo 是一种基于生成对抗网络（GAN）的声码器，旨在从声学特征（如★ 122
vits-mandarin-biaobei这是一个基于 VITS 模型的中文语音合成项目，专门针对普通话 TTS 场景。它利用 Biaobei 数据集训练模型，将文本转换为自然流畅的语音。项目解决了 V★ 121
tiktok-ttstiktok-tts 是一个基于 Node.js 的轻量级文本转语音工具，通过封装 TikTok 的 TTS API，让开发者能够快速生成语音文件。它解决了开发★ 120
qwen3-ttsqwen3-tts 是一个纯 C 语言实现的 Qwen3-TTS 文本转语音推理引擎，旨在摆脱 Python 和 PyTorch 的依赖，仅用 C 和 BLAS★ 120
chatterbox-finetuningChatterbox 微调工具包，专为 Chatterbox TTS 和 TURBO 模型设计，支持 23 种语言，具备智能词汇扩展、离线预处理、自动 VAD ★ 118
TacotronTacotron 是一个基于 PyTorch 实现的端到端文本转语音（TTS）系统，专注于长句语音合成的鲁棒性。它实现了位置相对注意力机制（Location-R★ 115
Fre-GAN-pytorchFre-GAN-pytorch 是 Fre-GAN 论文的 PyTorch 非官方实现，Fre-GAN 是一种基于对抗生成网络的音频合成声码器，旨在解决传统声码★ 113
PyThaiTTSPyThaiTTS 是一个开源的泰语文本转语音（TTS）库，基于 Python 构建，旨在为开发者提供简单易用的泰语语音合成能力。它解决了泰语 TTS 工具稀缺★ 112
wavegrad2WaveGrad2 是一个非官方的 PyTorch 实现，基于 Google 提出的 WaveGrad 2 模型，用于高质量语音合成。它解决的是文本到语音（TT★ 111
Tacotron-pytorchTacotron-pytorch 是一个基于 PyTorch 实现的 Tacotron 端到端文本转语音（TTS）模型。Tacotron 是 Google 提出★ 110
SLED-TTSSLED-TTS 是一个基于语言建模方法的流式文本转语音（TTS）模型，无需向量量化即可生成高质量语音。它解决了传统 TTS 模型在流式推理时延迟高、需要复杂量★ 110
LEMAS-TTSLEMAS-TTS 是一个多语言零样本文本转语音系统，支持中文、英语、西班牙语、俄语、法语、德语、意大利语、葡萄牙语、印尼语和越南语共10种语言。它解决的是传统★ 103
AstraTTSAstraTTS 是一个基于 ONNX Runtime 的跨平台高性能文本转语音（TTS）合成方案，主要面向需要低延迟、流式输出的应用场景。它解决了传统 TTS★ 101
ElevenLabs-DotNetElevenLabs-DotNet 是一个非官方的 .NET 客户端库，用于调用 ElevenLabs 的 RESTful API，解决 C# 开发者集成高质量★ 99
LightSpeechLightSpeech 是一个基于神经架构搜索（NAS）的轻量级快速文本转语音（TTS）项目。它旨在解决传统 TTS 模型参数量大、推理速度慢的问题，通过自动搜★ 96
TikTok-Voice-TTS这是一个简单的 Python 脚本，用于调用 TikTok 内置的文本转语音（TTS）接口，从而生成带有 TikTok 特色音色的语音文件。它解决了普通 TTS★ 96
text-to-speech-api这是一个基于 Play.ht 服务的文本转语音 API 封装项目，旨在为开发者提供简单、高效的语音合成接口。它解决了开发者需要快速集成高质量 TTS 功能但不想★ 92
ChatGPT-voice-controlChatGPT-voice-control 是一个为 ChatGPT 网页版设计的浏览器扩展，让用户可以通过语音与 ChatGPT 对话，并听到自然语音的回复。★ 92
indonesian-tts这是一个面向印尼语的开源文本转语音（TTS）工具，基于Coqui TTS框架构建。它解决了印尼语语音合成资源稀缺的问题，为开发者提供了开箱即用的印尼语语音生成能★ 91
vae_tacotron2VAE Tacotron 2 是一个基于变分自编码器（VAE）的语音合成（TTS）模型，作为 GST Tacotron 的替代方案，旨在解决传统 Tacotro★ 91
DiffWave-VocoderDiffWave-Vocoder 是一个基于 PyTorch 的 DiffWave 声码器非官方复现项目。DiffWave 是一种高质量的神经声码器，采用扩散概★ 90
TalkNet2-pytorchTalkNet2-pytorch 是 TalkNet 2 的非官方 PyTorch 实现，TalkNet 2 是一种用于语音合成的非自回归模型，通过深度可分离卷★ 90
NOVA-NodeJSNOVA 是一个用 Node.js 构建的可定制语音助手，旨在为开发者提供一个轻量、可扩展的本地语音交互解决方案。它解决了现有语音助手（如 Alexa、Goog★ 88
viet-ttsVietTTS 是一个开源的越南语文本转语音（TTS）引擎，旨在为越南语社区提供高质量、易用的语音合成解决方案。它解决了越南语 TTS 资源稀缺、商业 API ★ 88
cosyvoice-dockerCosyVoice 是阿里通义实验室开源的语音合成（TTS）大模型，支持中文、英文、日文等多种语言，具备零样本声音克隆、跨语种语音合成、情感控制等能力。本项目将★ 88
TFGANTFGAN 是一个基于生成对抗网络（GAN）的高保真语音合成开源项目，核心创新在于同时利用时域和频域信息进行对抗训练，以提升合成语音的自然度和真实感。该项目解决★ 88
neon-tts-plugin-coquineon-tts-plugin-coqui 是 Neon AI 开源智能语音助手生态中的文本转语音（TTS）插件，基于 Coqui AI 的 TTS 引擎实现。★ 86
hume-typescript-sdk这是一个用于将Hume AI集成到TypeScript项目的官方SDK。Hume AI是一个专注于情感智能的对话式AI平台，能够从语音中识别情绪并生成富有情感的★ 84
LVCNetLVCNet 是一个面向语音合成（TTS）场景的高效声码器（vocoder），由韩国团队在 ICASSP 2021 提出。它解决的是自回归声码器（如 WaveN★ 80