speech 第 3 页
本站收录 140 个带「speech」标签的 AI 开源项目（按 GitHub 星标从高到低，第 3 / 3 页）
awesome-openai-whisper这是一个围绕 OpenAI Whisper 语音识别模型的资源精选列表，把分散在社区里的模型变体、微调版本、推理加速方案、配套工具和教程集中整理到一起。Whis★ 107
simple-obs-sttsimple-obs-stt 是一个为 OBS 直播和录播场景设计的实时字幕工具，它通过语音识别（STT）将麦克风或系统音频中的语音转换为文字，并直接以字幕或键★ 106
awesome-turkish-language-models这是一个精选土耳其语AI资源的开源列表，收录了针对土耳其语的模型、数据集和论文。它解决了土耳其语NLP资源分散、查找困难的问题，为研究者和开发者提供了一站式导航★ 102
Speech2VideoSpeech2Video 是一个基于 ACCV 2020 论文的开源项目，旨在从单一音频输入生成具有3D骨架正则化和丰富身体姿态的说话人视频。它解决的核心问题是★ 100
harfiyenharfiyen 是一个完全在浏览器本地运行的土耳其语语音识别与字幕生成工具。它解决的核心问题是：土耳其语使用者想做语音转写或给视频加字幕时，往往要依赖云端 A★ 100
TextSoundSaverTextSoundSaver 是一款基于 SwiftUI 开发的 macOS 原生应用，主要解决将文本快速转换为自然流畅的合成语音，并导出为音频文件的问题。它利★ 97
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
ios-chatbotios-chatbot 是一个基于 Objective-C 开发的 iOS 原生聊天机器人框架，旨在为开发者提供快速集成 AI 对话能力的解决方案。它通过封装云★ 92
tts这是一个用 JavaScript 编写的文本转语音工具集，主要目标是简化将文字转换为语音的过程。项目围绕亚马逊的 AWS Polly 服务构建，提供了一套便捷的★ 92
SoCodecSoCodec 是一个面向语音语言建模应用的低码率语音编解码器，基于 Python 实现。它解决了传统语音编解码器在极低比特率下音质损失严重、难以支撑高质量语音★ 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
achatbotachatbot 是一个开源的聊天机器人架构，专为语音、视觉及多模态助手设计，支持本地（CPU/GPU 受限）和远程（I/O 受限）运行。它整合了 ASR（语音★ 90
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
TTS-recipesTTS-recipes 是一个面向不同数据集的文本转语音（TTS）训练配方集合，基于 Coqui AI 生态构建。它解决了 TTS 模型训练中数据准备和配置繁琐★ 89
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
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
react-text-to-speechreact-text-to-speech 是一个基于 React.js 的轻量级文本转语音库，利用浏览器原生的 Web Speech API 实现语音合成，无需★ 86
supertonic-pysupertonic-py 是一个基于 ONNX Runtime 的轻量级端侧文本转语音（TTS）引擎，旨在提供极速、离线的语音合成能力。它解决了传统云 TTS★ 85
mere-runmere-run 是一个面向 Apple Silicon 设备的本地生成式 AI 工作流引擎，用 Swift 编写，基于 MLX 框架。它解决了在 Mac 上统★ 84
edge-tts-extensionedge-tts-extension 是一个基于微软 Edge 浏览器内置的 Read Aloud API 构建的浏览器扩展，支持 Chrome 和 Firef★ 83
edge-tts-universaledge-tts-universal 是一个基于 TypeScript 编写的同构 JavaScript 库，让你无需安装 Microsoft Edge 或 W★ 81
vox-servevox-serve 是一个面向 TTS（文本转语音）和 STS（语音转语音）模型的流式原生推理服务引擎，用 Python 编写。它解决了生产环境中部署语音模型时★ 79
UnivNet-pytorchUnivNet-pytorch 是 UnivNet 神经声码器的非官方 PyTorch 实现。UnivNet 是一种用于高保真波形生成的神经声码器，通过多分辨率★ 76
spokestack-androidSpokestack Android 是一个面向 Android 平台的可扩展移动语音框架，旨在帮助开发者快速为应用集成完整的语音交互能力。它涵盖唤醒词检测、自★ 74
Kokoro-Speech-DatasetKokoro-Speech-Dataset 是一个公开领域的单说话人日语语音数据集，旨在为文本转语音（TTS）等语音合成任务提供高质量、可自由使用的训练数据。它★ 74
tts-demotts-demo 是一个基于 Java 的文本转语音（TTS）演示项目，集成了深度学习模型，旨在提供灵活、高质量的语音合成能力。它解决了开发者在集成 TTS 功★ 73
DualCodecDualCodec 是一个面向语音和音频生成的低帧率神经音频编解码器，发表于 Interspeech 2025。它主要解决传统音频编解码器在生成式 AI 场景中★ 72
WatBotWatBot 是一个基于 IBM Watson 服务的 Android 聊天机器人示例项目。它利用 Watson Assistant V1 提供对话管理，通过 ★ 71
AudioMAE-pytorchAudioMAE-pytorch 是掩码自编码器（Masked Autoencoder）在音频领域的非官方 PyTorch 实现，基于论文《Masked Aut★ 71
elevenlabs这是一个非官方的 Go 语言客户端库，用于调用 ElevenLabs 的 API。它封装了文本转语音、语音转文本、音效生成和声音管理等功能，让 Go 开发者能够★ 69
quivr-whisperquivr-whisper 是一个将语音交互能力集成到 Quivr 个人知识库助手中的开源项目。它解决了用户无法通过自然语言语音与个人知识库对话的问题，使得用户★ 68
coqui_tts_korea这是一个基于 Coqui TTS 的韩语语音合成项目，使用 GlowTTS 和 Multiband MelGAN 模型实现高质量的韩语文本转语音。项目主要解决韩★ 66
melganMelGAN 是一个基于 GAN 的语音合成声码器（vocoder）实现，支持多频带（Multi-Band）和全频带（Full Band）两种模式。它解决的是文★ 63
text2speechtext2speech 是微软研究院实习生主导的开源项目，目标是构建面向印度十亿级用户的文本转语音（TTS）系统，相关论文已被 ICASSP 2023 收录。项★ 58
awesome-ai-list-guide这是一个关于AI资源的精选列表指南，旨在帮助用户快速找到高质量的AI相关工具、框架、论文和项目。它解决了AI领域信息过载、资源分散的问题，通过整理和分类，让用户★ 58
zerovoxzerovox 是一个基于深度学习的零样本（zero-shot）实时语音合成（TTS）系统，完全离线运行，免费且开源。它旨在解决传统 TTS 系统需要针对特定说★ 56
learnable-speechlearnable-speech 是一个基于可学习音频编码器的文本转语音（TTS）项目，无需与文本参考对齐即可实现语音合成。它解决了传统 TTS 系统依赖音素对★ 56
FlexiCodecFlexiCodec 是一个面向低帧率场景的动态神经音频编解码器，由 ICLR 2026 论文提出。它解决传统音频编解码器在极低比特率或帧率下音质严重下降的问题★ 55