text-to-speech 第 11 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 11 / 14 页）
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
tutorials这是一个与Ergo Sum博客及YouTube频道配套的教程仓库，主要使用Jupyter Notebook编写，内容涵盖数据科学、体育数据分析（如DraftKi★ 89
chatgpt_android这是一个基于 Kotlin 开发的安卓端 ChatGPT 客户端，核心思路是用户只需在本地配置自己的 OpenAI API Key，即可在手机上使用 ChatG★ 89
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
personaplex-mlxPersonaPlex-MLX 是 NVIDIA PersonaPlex 全双工语音对话模型在 Apple Silicon 上的 MLX 移植版，旨在让 Mac★ 89
TwitterPiBotTwitterPiBot 是一个基于 Python 的树莓派机器人，它通过 Twitter API 监听特定话题标签（hashtag）下的推文，并将新推文转换为★ 88
vall-eVALL-E 是一个非官方的 PyTorch 实现，旨在复现微软提出的神经编解码语言模型 VALL-E。该项目解决的核心问题是：如何用极少的参考音频（仅需 3 ★ 88
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
OpenAI-Text-To-Speech-for-Unity这是一个Unity插件，将OpenAI的文本转语音（TTS）能力集成到Unity引擎中。它解决了Unity开发者需要为游戏或应用添加高质量AI语音但缺乏便捷集成★ 88
speech-translator-readmeSpeech Translator 是一个实时语音翻译工具，旨在打破语言障碍，让用户能够用母语说话，并即时获得目标语言的语音输出。它解决的是跨语言实时沟通中的效★ 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
qwen-tts2apiqwen-tts2api 是一个将通义千问的 TTS（文本转语音）能力封装成 OpenAI 兼容的 Speech API 的轻量级项目。它解决了开发者无法直接使★ 87
resemble-alexaresemble-alexa 是一个示例项目，展示如何构建一个使用真实感语音克隆技术的 Alexa 技能。它结合了 Resemble AI 的文本转语音 API★ 86
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
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
tihutihu 是一个专为波斯语设计的文本转语音（TTS）引擎，采用 C++ 实现，核心解决波斯语特有的形态学分析和发音规则问题。它能够将波斯语文本转换为自然流畅的语★ 85
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
izabela-desktopizabela-desktop 是一个文本转语音（TTS）的概念验证应用，核心特点是支持全局打字输入，即用户可以在任何应用程序（如语音聊天、游戏等）中直接打字，★ 84
tts-edge-javatts-edge-java 是一个基于微软 Edge 浏览器内置语音合成服务的 Java SDK，旨在为 Java 开发者提供简单易用的文本转语音能力。它封装了★ 84
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
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
vibe-schooling一个脑洞大开、带点调侃意味的项目：声称「不学习也能拿到 4.0 GPA」。它以一种幽默的方式探讨「躺平式」学习法，引发人们对教育本质与学习效率的思考，适合娱乐围★ 80
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
talkieTalkie 是一个极简的文本转语音（TTS）浏览器扩展，以按钮形式嵌入浏览器工具栏。用户只需在任意网页上选中文本，点击 Talkie 按钮，即可让电脑朗读所选★ 80
OpenVoiceUIOpenVoiceUI 是一个开源的语音驱动 AI 助手平台，旨在通过语音交互连接任意大语言模型（LLM）和文本转语音（TTS）引擎，提供实时网页画布、音乐生成★ 80
Irodori-TTS-ServerIrodori-TTS-Server 是一个基于 Python 的文本转语音（TTS）服务端，它实现了 OpenAI 的 Text-to-Speech API ★ 80
AutotubeAutotube 是一个基于 n8n 工作流自动生成 YouTube Shorts 的开源项目。它解决内容创作者需要频繁制作短视频但耗时耗力的问题，提供从选题、★ 80
maiseMaise 是一个开源的 Android 语音引擎，专注于在设备端（边缘）提供强大且灵活的语音合成（TTS）能力。它基于 Kotlin 开发，利用 ONNX R★ 80
AmigaGPTAmigaGPT 是一款专为 AmigaOS 3.1/4.1 和 MorphOS 系统打造的复古平台 ChatGPT 客户端，用 C 语言和 MUI5 图形界面★ 79
java-google-speech-apijava-google-speech-api 是一个早期的 Java 库，旨在封装 Google 的语音识别（Speech Recognition）、文本转语音★ 79
NVDA-IBMTTS-DriverNVDA-IBMTTS-Driver 是一个为 NVDA 屏幕阅读器开发的 IBMTTS 语音合成驱动插件。IBMTTS 是一款与 Eloquence 类似的经★ 79
esp32-fliteesp32-flite 是一个将 Flite 语音合成引擎移植到 ESP32 微控制器上的开源项目。它解决了在资源受限的嵌入式设备上实现离线文本转语音（TTS）★ 79
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
draft-to-takeDraft to Take 是一个本地优先的 AI 音频制作工作室，旨在将粗糙的语音草稿快速转化为专业级音频成品。它利用 IndexTTS2 进行高质量语音合成★ 78
kesha-voice-kitkesha-voice-kit 是一个本地优先的语音工具包，为开发者的工具链赋予语音能力。它支持语音转文字和文字转语音，覆盖 25 种语言，在 Apple Si★ 78
opencode-smart-voice-notify这是一个为 OpenCode 打造的智能语音通知插件，主要解决开发者在编码时无法及时关注任务完成状态或错误信息的问题。它集成了多种 TTS 引擎，包括 Elev★ 77
omi-read-aloudomi-read-aloud 是一款轻量级的 macOS 菜单栏应用，核心功能是监听剪贴板，自动将复制的对话文本或 AI 回复（如 Codex、Kimi Wor★ 77
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
location-based-AR-app这是一个基于 Flutter 的示例应用，演示如何构建带有导航功能的定位增强现实（AR）应用。它利用 ARKit 在 iOS 设备上实现 AR 体验，结合设备定★ 76
dctts-pytorchDC-TTS 的 PyTorch 非官方实现，基于论文《Efficiently Trainable Text-to-Speech System Based on★ 76
DEEPFAKE-AUDIODeepfake Audio 是一个基于 SV2TTS 技术的神经语音克隆工作室，旨在通过深度学习模型实现高度逼真的语音合成与克隆。它解决了传统语音合成需要大量★ 76
PolyLangVITSPolyLangVITS 是一个基于 VITS 的多语言语音合成项目，支持韩语、日语、英语和中文四种语言。它利用 VITS 的端到端架构，将文本直接转换为语音，★ 75
sonatasonata 是一个用 Rust 编写的跨平台神经 TTS（文本转语音）推理引擎，专注于高效运行神经网络语音合成模型。它解决了传统 TTS 引擎依赖重型框架、部★ 75
youtube-auto-dubyoutube-auto-dub 是一个本地优先的开源 YouTube 视频配音工具，旨在将视频中的原始语音克隆并翻译成另一种语言，同时保持时间同步。它解决了视★ 75
FastPitchFormantFastPitchFormant 是 NCSOFT 提出的 FastPitchFormant 模型的 PyTorch 非官方实现，该模型基于源-滤波器（sour★ 74
VAENAR-TTSVAENAR-TTS 是一个基于 PyTorch 的非自回归文本转语音（TTS）合成实现，核心思路是结合变分自编码器（VAE）与非自回归生成框架，旨在解决传统自★ 74
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
Higgs_v3-TTS-ComfyUIHiggs_v3-TTS-ComfyUI 是一套专为 ComfyUI 设计的节点，用于集成 Higgs Audio v3 TTS 4B 模型。该模型支持 100★ 74