text-to-speech 第 12 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 12 / 14 页）
whisper-shortcutwhisper-shortcut 是一款面向 macOS 的菜单栏应用，主打语音优先的交互体验。它解决的是在 Mac 上快速进行语音转文字、语音控制剪贴板、朗读★ 74
mcp-ttsmcp-tts 是一个基于 Go 语言实现的 MCP（模型上下文协议）服务器，专门为文本转语音（TTS）场景设计。它解决了 AI 助手或应用需要语音输出但缺乏统★ 74
wtonecWtonec 是一个针对微信和 QQ 的 LSPosed/Xposed 模块，主要提供语音增强、文字转语音（TTS）和语音包功能。它解决了在社交软件中语音消息音★ 74
RenAI-ChatRenAI-Chat 是一个将聊天机器人界面与视觉小说（VN）风格相结合的早期开源项目。它主要解决传统聊天界面缺乏沉浸感和情感表达的问题，通过 Ren'Py 引★ 73
text-to-speech这是一个基于Web Speech API的轻量级文本转语音工具，使用纯HTML和JavaScript实现，无需任何后端服务或第三方依赖。它解决了在浏览器中快速将★ 73
Omniverse-Virtual-Assisstant这是一个基于NVIDIA Omniverse平台的虚拟助手项目，核心功能是结合Audio2Face面部动画技术与Riva SDK的语音能力，打造一个能听会说的3★ 73
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
DNN-HSMMDNN-HSMM 是一个基于 PyTorch 实现的语音合成（TTS）工具，核心是将深度神经网络（DNN）与隐半马尔可夫模型（HSMM）结合，用于声学建模。它解★ 73
MiniMax-AI.github.ioMiniMax-AI.github.io 是 MiniMax 公司的官方 GitHub Pages 页面，主要展示其文本转语音（TTS）相关的开源项目与资源。该★ 73
text2videotext2video 是一个将文本自动转换为视频的开源工具，旨在提升学习内容的吸引力。它通过自然语言处理提取文本中的关键词，利用 AWS Polly 生成语音，★ 72
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
SynParaSpeechSynParaSpeech 是 ICASSP 2026 论文的官方开源仓库，专注于自动合成副语言（paralinguistic）数据集，用于语音生成和理解任务。★ 72
Audio-book-generatorAudio-book-generator 是一个将电子书转换为有声书的 Python 工具。它解决的是用户没时间阅读电子书、或希望以听觉方式获取书籍内容的问题。★ 72
Jarvis-TermuxJarvis-Termux 是一个运行在 Termux 环境中的 AI 助手，专为 Android 设备设计。它利用 Google Gemini API 提供对★ 72
llmedgellmedge 是一个面向 Android 的原生 AI 推理库，旨在将大语言模型、图像生成、图像识别、视频处理、语音识别（STT）和语音合成（TTS）等能力集★ 71
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
obs-squawkobs-squawk 是一个内置于 OBS Studio 的实时文本转语音（TTS）AI 引擎插件，采用 C++ 编写。它解决了在直播或录播场景中需要动态生成语★ 71
brasilttsBrasil TTS 是一个面向巴西葡萄牙语用户的文本转语音（TTS）工具集，主要服务于视力障碍人群，帮助其通过语音读取屏幕内容。该项目将文本转换为自然流畅的巴★ 71
VideoGraphAIVideoGraphAI 是一个基于 Python 的 AI 自动化工具，专门用于生成 YouTube Shorts 短视频。它利用大语言模型（LLM）进行内容★ 71
nonverspeech38kNonVerbalSpeech-38K 是一个用于非语言语音（如笑声、叹息、哼声等）生成与理解的开源项目，源自同名论文。它提供了一套可扩展的数据处理流水线，能够★ 71
Kahani-Storytelling-App-For-Children-With-Hearing-Impairment这是一个面向听障儿童的故事讲述安卓应用，旨在通过视觉和文本交互帮助听障儿童理解和享受故事。项目利用自然语言处理（NLP）和文本转语音（TTS）技术，将故事内容以★ 71
jarvisJarvis 是一个基于 Python 的 AI 语音助手，集成了人脸识别、热词唤醒和自动化控制能力。它通过 OpenCV 实现面部识别，能够识别用户身份并个性★ 70
Text2SpeachText2Speach 是一个基于 Java 的轻量级文字转语音（TTS）工具库，旨在通过一句代码快速实现语音合成功能。它解决了开发者在项目中集成 TTS 时面★ 70
web-speech-cognitive-services这是一个JavaScript库，为Web Speech API提供Polyfill实现，将微软Azure认知服务中的语音转文本和文本转语音能力接入浏览器。它解决★ 70
ncnn-android-piperncnn-android-piper 是一个基于 ncnn 推理框架的本地神经网络语音合成（TTS）引擎，专为 Android 和 iOS 移动端设计。它解决了★ 70
awesome-TTS-Colab这是一个精选的TTS（文本转语音）和语音克隆模型资源列表，专门针对Google Colab环境优化。它汇集了多种开源语音合成项目，并提供了在Colab上直接运行★ 70
kokoro-coremlkokoro-coreml 是一个将 Kokoro TTS 模型从 PyTorch 转换为 CoreML 格式的流水线工具，旨在解锁 Apple 芯片（如 M ★ 70
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
mel-cepstral-distance这是一个用于计算两段语音或音频之间Mel倒谱距离（MCD）的Python库，MCD是语音合成与语音转换领域常用的客观质量评估指标。它基于Robert F. Ku★ 69
tg_bot_stt_tts这是一个基于 Python 的 Telegram 机器人，核心功能是语音消息的识别与生成，即语音转文字（STT）和文字转语音（TTS）。它解决了在 Telegr★ 68
WaveGrad2WaveGrad2 是谷歌大脑团队提出的 WaveGrad 2 模型的非官方 PyTorch 实现，专注于文本到语音（TTS）合成。它采用非自回归架构，通过迭代★ 68
clipboard-narratorclipboard-narrator 是一个基于 Godot 引擎开发的桌面工具，能将任意网页内容转换为有声书。它通过监听剪贴板变化，自动识别复制的文本，并使用★ 68
web-speech-recommended-voices这是一个为 Web Speech API 提供推荐语音列表的开源项目。它解决了开发者在不同浏览器和平台上使用语音合成（TTS）时，语音名称不一致、兼容性差、难以★ 68
AITuberFlowAITuberFlow 是一个面向 AI VTuber 的可视化工作流编辑器，基于 TypeScript 和 React Flow 构建，后端采用 Python★ 68
kokoro-tts-addonkokoro-tts-addon 是一个面向浏览器的本地神经文本转语音（TTS）解决方案，旨在让网页应用无需联网即可获得高质量、富有表现力的语音合成能力。它基于★ 68
ZeusHammerZeusHammer 是一个面向开发者的 AI 超级智能体，主打本地大脑、语音交互与三层记忆架构。它解决了云端 AI 助手在数据隐私、响应延迟和上下文记忆方面的★ 67
TellTimeTellTime 是一款 iOS 应用，用英式英语播报当前时间，比如“It's half past ten”。它基于 SwiftUI 构建，采用 Composa★ 67
Kani-TTS-VieKani-TTS-Vie 是一个针对越南语的快速文本转语音（TTS）开源项目，模型参数量仅 370M，推理时间约 3 秒，主打轻量级和实时性。它基于深度学习技术★ 67
Symposium2023Symposium2023 是一个用 Pascal 语言编写的多功能 AI 演示项目，整合了语音识别、文本转语音、语言翻译、OAuth2 认证、图像生成、人脸检★ 66
tts-reacttts-react 是一个基于 React 的文本转语音（TTS）组件库，旨在帮助开发者快速在 React 应用中集成语音播报功能。它封装了 Web Speec★ 66
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
Kokoro-82M-AndroidKokoro-82M-Android 是一个极简的 Android 演示应用，旨在展示 Kokoro-TTS 在移动端的运行能力。它基于 Kokoro-ONNX★ 66
Core-AI-Framework-Lab这是一个探索 Apple Core AI 框架的实战实验室，主要面向 Apple Silicon 设备上的生成式 AI 与端侧推理。项目解决了开发者对 Core★ 66
kokorodokikokorodoki 是一个基于 Kokoro TTS 模型的自然语音合成应用，旨在提供快速、实时且灵活的文本转语音能力。它解决了传统 TTS 系统音质生硬、延★ 65
OtosakuTTS-iOSOtosakuTTS-iOS 是一个基于 Swift 的离线文本转语音（TTS）库，专为 iOS 和 macOS 平台设计。它利用 CoreML 优化的 Fas★ 65
lotei-qflipperlotei-qflipper 是一个基于 qFlipper 的粉色主题分支，集成了 LOTEI——一个完全本地运行的 AI 海豚助手（基于 Ollama）。它解★ 65
piper-appPiper-app 是 Piper 文本转语音引擎的 iOS 和 macOS 原生移植版，基于 Swift 开发，将原本面向 Linux 的 Piper TTS★ 65
IntelliJavaIntelliJava 是一个面向 Java 开发者的 AI 集成库，旨在用少量 Java 代码快速接入 ChatGPT、DALL·E、Cohere 等主流 A★ 64
vibevoice-studioVibeVoice Studio 是一个基于 Python 和 FastAPI 构建的语音克隆与文本转语音（TTS）应用。它允许用户录制或上传音频来训练个性化语★ 64
FFTNetFFTNet 是一个基于 FFT 的实时、说话人相关的神经声码器，用于语音合成（TTS）系统中的波形生成。它解决了传统声码器（如 WaveNet）推理速度慢、难★ 64