text-to-speech 第 10 页
本站收录 656 个带「text-to-speech」标签的 AI 开源项目（按 GitHub 星标从高到低，第 10 / 14 页）
speakerspeaker 是一个 PHP 库，用于将文本转换为语音（TTS），支持多种网络语音合成服务。它解决了 PHP 开发者需要快速集成文本朗读功能但不想直接对接不同★ 113
seq2seq-vcseq2seq-vc 是一个基于序列到序列（seq2seq）模型的语音转换工具包，旨在将一个人的声音转换为另一个人的声音，同时保留语言内容和韵律信息。它解决了传★ 113
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
tts-samples这是一个提供文本转语音（TTS）音频样本的仓库，所有样本均为MP3格式，覆盖多种语言，由微软Edge TTS引擎生成。项目主要解决开发者在选择或测试TTS服务时★ 113
ferosferos 是一个开源的语音智能体操作系统，采用 Rust 编写运行时，强调亚秒级延迟和完全自托管。它旨在解决语音交互场景中响应速度慢、依赖云服务、难以定制等问★ 112
ZeroSpeech-TTS-without-T这是一个基于PyTorch的ZeroSpeech 2019挑战赛实现，旨在解决无文本标注的语音合成（TTS-without-T）问题。传统TTS需要文本转录作为★ 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
murf-python-sdkmurf-python-sdk 是 Murf 文本转语音 API 的 Python 封装库，旨在让开发者通过几行代码快速调用 Murf 的 AI 语音合成能力。★ 109
ComfyUI-audioComfyUI-audio 是一个为 ComfyUI 平台开发的音频生成工具集，旨在将音乐生成、文本转语音等音频能力集成到 ComfyUI 的可视化节点工作流中★ 106
JARVIS-AI-ASSISTANTJARVIS-AI-ASSISTANT 是一个以 Python 编写的离线人工智能助手项目，灵感源自钢铁侠的贾维斯。它采用 ALICE 作为对话后端，通过 Vo★ 106
unspeechunspeech 是一个用 Go 编写的自托管文本转语音（TTS）服务聚合工具，旨在将多种 TTS 服务统一到一个 API 下。它解决了开发者在集成不同 TTS★ 106
Kokoro-TTS-windowsKokoro-TTS-windows 是一个面向 Windows 平台的 Kokoro 文本转语音（TTS）工具，主打零配置、开箱即用。用户只需下载并解压压缩包★ 106
InsightSolver-ColabInsightSolver-Colab 是一个专注于 AIOps（智能运维）的 Colab 笔记本集合，旨在通过深度学习、机器学习及相关模型，帮助用户探索和解决★ 105
discord-tts-botdiscord-tts-bot 是一个用 JavaScript 编写的 Discord 文本转语音机器人。它解决了 Discord 用户无法直接通过简单命令将文★ 104
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
BokeBoxBokeBox（播匣）是一个多源输入的私有AI播客工作室，能将视频、链接、文章和笔记等内容转化为口播音频节目。它解决的是内容消费效率问题，让用户把碎片化信息变成★ 103
benchmarks这是一个面向语音 AI 的可复现基准测试项目，专注于 TTS（文本转语音）、STT（语音转文本）和 S2S（语音到语音）三类任务的延迟与准确率评测。它解决的是语★ 103
jargojargo 是一个基于 Go 语言、以 WebRTC 原生和音频优先的对话式 AI 框架。它解决了在实时语音交互场景中，开发者难以快速集成语音识别（STT）、语★ 102
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
cliElevenLabs 官方命令行工具，用 Rust 编写，让开发者在终端直接与 ElevenLabs 语音智能体交互。它解决的是语音 AI 能力接入门槛高的问题★ 101
SpeakIt_Vietnamese_TTSSpeakIt_Vietnamese_TTS 是一个基于 Windows 平台的越南语文本转语音（TTS）工具，使用 C# 和 WPF 构建，核心引擎集成 Za★ 100
volocalvolocal 是一个面向 iOS 的完全本地化语音 AI 工具，基于 Swift 和 SwiftUI 构建，利用 Core ML 和 llama.cpp 在设★ 100
FastSpeech2FastSpeech2 是一个基于 PyTorch 的多说话人端到端文本转语音（TTS）开源实现，源自微软提出的 FastSpeech2 模型。它解决了传统自回★ 99
speech-rest-apispeech-rest-api 是一个基于 Python 的语音处理 REST API 服务，主要提供语音转文字（ASR）和文字转语音（TTS）两大核心能力。它★ 98
AdaSpeechAdaSpeech 是微软提出的自适应文本转语音（TTS）模型的非官方实现，旨在通过少量参考音频实现定制化音色克隆。它基于 FastSpeech 2 架构，引入★ 98
elevenlabs_tts这是一个将 ElevenLabs 文本转语音（TTS）服务集成到 Home Assistant 的自定义组件。它解决了 Home Assistant 原生 TT★ 98
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
open-audioOpen-Audio 是一个基于 OpenAI 文本转语音（TTS）模型的 Web 应用，旨在将文字快速转换为自然流畅的语音。它解决了开发者或普通用户需要高质量★ 96
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
Selection-jsSelection-js 是一个轻量级的 JavaScript 库，用于在用户选中网页文本时，于选区上方弹出一个小型操作面板。它解决了原生浏览器文本选择后缺乏快★ 95
serverless-medium-text-to-speech这是一个基于Serverless架构的文本转语音服务，专为Medium文章设计。它解决了Medium平台缺乏原生朗读功能的问题，允许用户将文章内容转换为音频，方★ 95
BlueTTSBlueTTS 是一个主打速度的开源文本转语音（TTS）模型，旨在提供极速的语音合成体验。它解决了传统 TTS 模型推理速度慢、部署成本高的问题，通过优化的模型★ 95
HiggsAudio-StudioHiggsAudio-Studio 是一个面向 Windows 的便携式文本转语音（TTS）工具，集成了 Higgs Audio v3 模型和 AI 文本导演功★ 94
VITSVITS 是一个基于 PyTorch 的文本转语音（TTS）与语音转换（VC）工具，支持将文本合成为自然语音，并能将一个人的声音特征迁移到另一个人上。它解决了传★ 93
deepgram-go-sdkdeepgram-go-sdk 是 Deepgram 语音 AI 平台的官方 Go 语言开发工具包，用于将语音识别（ASR）、语音合成（TTS）和语音代理（Vo★ 93
speech-corespeech-core 是一个面向端侧设备的实时语音智能体流水线，用 C++17 编写，基于 ONNX Runtime 和 LiteRT（TensorFlow ★ 93
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
text-to-speech-sample这是一个基于 Python3 的文本转语音视频示例项目，主要演示如何将文字内容转换为语音，并进一步生成带有音频的视频文件。它解决了从纯文本到可播放音视频内容的自★ 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
bangla-ttsbangla-tts 是一个专注于孟加拉语（Bangla）的文本转语音（TTS）库，同时支持孟加拉语和英语的多语言实时语音合成。它解决了孟加拉语语音合成资源稀缺★ 92
Python-AssistantPython-Assistant 是一个基于 Python 3.9+ 的语音命令助手服务，能够识别人类语音、与用户对话并执行基础命令。它解决了用户需要通过语音交★ 92
obsidian-voiceobsidian-voice 是一个 Obsidian 插件，旨在将笔记内容转换为语音朗读，提供类似有声书的移动端体验。它解决了用户在无法阅读屏幕时（如通勤、运★ 92
omnivoice-serveromnivoice-server 是一个基于 FastAPI 构建的 OpenAI 兼容 HTTP 服务器，为 OmniVoice 文本转语音（TTS）引擎提供★ 92
out-loudout-loud 是一个免费、开源、100% 离线的 AI 文本转语音工具，支持 macOS、Windows 和 Linux 三大平台。它基于本地优先的设计理念★ 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
f5-tts-swiftf5-tts-swift 是一个用 Swift 语言实现的 F5-TTS 文本转语音库，基于 MLX 框架构建，专为 Apple 生态（macOS、iOS）设计★ 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