text-to-speech 第 10 页

本站收录 677 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)

obsidian-ttsobsidian-tts 是一个为 Obsidian 笔记软件开发的文本转语音插件,让你直接“听”笔记内容。它解决了在阅读长笔记、复习知识点或进行多任务处理时眼★ 124Viral-Faceless-Shorts-Generator这是一个自动生成无脸YouTube Shorts视频的开源工具。它从Google Trends抓取热门话题,利用Gemini AI生成脚本,通过Coqui TT★ 123J.A.R.V.I.SJ.A.R.V.I.S 是一个受钢铁侠启发的个人虚拟助手,用 Python 编写。它集成了自然语言处理、计算机视觉、人脸检测与识别、家庭自动化等技术,旨在通过语★ 122edittsEdiTTS 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★ 122Avocodo-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★ 122vits-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★ 121tiktok-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★ 121voicehubVoiceHub 是一个为文本转语音(TTS)模型提供统一推理接口的开源工具。它解决了 TTS 模型生态碎片化的问题,让开发者无需深入理解每个模型的特定 API★ 121sub-to-audiosub-to-audio 是一个将字幕文件转换为音频的工具,它利用 Coqui-ai TTS 引擎,根据字幕文件中的时间轴和文本内容,自动生成与字幕同步的语音音★ 120chatterbox-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 ★ 120phoenix10.1phoenix10.1 是一个基于 Python 的个人电台生成工具,核心功能是利用文本转语音技术,将用户提供的文本内容转化为带有电台主持人风格的音频流,从而创★ 119mlp-singerMLP Singer 是一个基于多层感知机(MLP)的韩语歌声合成(Singing Voice Synthesis)开源项目,对应论文发表于 IEEE MLSP★ 118GTranslateGTranslate 是一个 C# 编写的免费翻译 API 集合库,聚合了 Google、Bing、Microsoft 和 Yandex 四家主流翻译服务,并额★ 118TTS-RVC-APITTS-RVC-API 是一个将 Coqui TTS 与 RVC(Retrieval-based Voice Conversion)结合的开源项目,旨在提供高质★ 116tts这是一个极简的文本转语音(TTS)演示工具,基于HTML5和原生JavaScript构建,后端使用PHP。它聚合了StreamElements和StreamLa★ 116frameweaverframeweaver 是一个本地优先的 AI 视频创作工作台,用 Python 与 FastAPI 搭建后端,前端基于 React,目标是把分散在多个工具里的★ 116ferosferos 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★ 115TacotronTacotron 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★ 115tts-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★ 115MeloTTS.cppMeloTTS.cpp 是一个轻量级的纯 C++ 文本转语音(TTS)推理管线,基于 OpenVINO 运行时实现,支持多语言。它解决了在资源受限或需要低延迟的★ 114speakerspeaker 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★ 114seq2seq-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★ 114Fre-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★ 113ZeroSpeech-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★ 112wavegrad2WaveGrad2 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★ 111jargojargo 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★ 110Tacotron-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★ 110SLED-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★ 110unspeechunspeech 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★ 110murf-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。★ 109JARVIS-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★ 109Kokoro-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★ 108ahenk-turkish-ttsAhenk 是面向土耳其语的开源文本转语音(TTS)工具集,解决土耳其语在通用 TTS 方案中语音质量与文本规范化支持不足的问题。项目包含三部分:基于 VoxC★ 108InsightSolver-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★ 106ComfyUI-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★ 106discord-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★ 105benchmarks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★ 105LEMAS-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★ 104AstraTTSAstraTTS 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★ 104BokeBoxBokeBox(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★ 104cliElevenLabs 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★ 104volocalvolocal 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★ 103speech-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 ★ 101SpeakIt_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★ 100HiggsAudio-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★ 100FastSpeech2FastSpeech2 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★ 99out-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★ 99speech-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★ 98AdaSpeechAdaSpeech 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★ 98BlueTTSBlueTTS 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★ 98