text-to-speech 第 13 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 13 / 14 页）
voicesvoices 是一个面向 macOS 的命令行工具，用于管理系统的文本转语音（TTS）功能。它主要解决用户在 macOS 上切换默认语音、查看语音信息以及用多种★ 64
UniCATS-CTX-txt2vecUniCATS-CTX-txt2vec 是 AAAI 2024 论文中 UniCATS 语音合成系统的声学模型组件，基于 VQ-Diffusion 架构，将文本★ 64
ComfyUI-Maya1_TTSComfyUI-Maya1_TTS 是一个 ComfyUI 自定义节点，用于集成 Maya1 语音合成模型。Maya1 是一个 3B 参数规模的语音模型，专注于★ 64
ai-voice-cloner这是一个本地运行的AI语音克隆桌面应用，无需联网即可使用，且不产生任何运行成本。它解决的是用户需要高质量语音克隆但受限于云端服务费用和隐私顾虑的问题。核心能力包★ 64
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
ComfyUI-Step_Audio_EditX_TTSComfyUI-Step_Audio_EditX_TTS 是一个为 ComfyUI 开发的音频处理节点插件，集成了 Step Audio EditX 模型，提供★ 63
NoteifyNoteify 是一个面向视障人士的印度纸币识别应用，通过手机摄像头拍摄纸币，利用 TensorFlow Lite 模型在后台进行实时识别，并通过语音播报告知用★ 63
java-ttsjava-tts 是一个基于 Java 实现的文本转语音库，它封装了微软 Edge 的在线 TTS 服务，让 Java 开发者无需复杂配置即可将文字转换为自然流★ 62
myG2PmyG2P 是一个面向缅甸语（Burmese）的开源字素到音素（G2P）转换词典，专为语音识别（ASR）和语音合成（TTS）系统设计。缅甸语文字系统复杂，存在大★ 62
TextNormalizationCoveringGrammarsTextNormalizationCoveringGrammars 是一个专注于英文和俄文文本规范化的开源项目，主要服务于语音识别和语音合成（TTS）系统。它通★ 61
real-time-language-translator这是一个基于语音识别与机器翻译的实时语言翻译工具，使用Python构建。它通过麦克风捕捉用户语音，利用语音识别技术将音频转为文本，再调用翻译引擎将文本翻译成目标★ 61
MimicManiaMimicMania 是一个基于 Streamlit 构建的开源语音合成与克隆 Web 应用，旨在让用户通过简单的文本输入即可生成自然语音，并支持克隆自定义音色★ 61
ManaTTS-Persian-Speech-DatasetManaTTS 是当前最大的开源波斯语语音数据集，包含超过 114 小时的已转写音频，并附带完整的数据收集与处理流水线工具。该项目旨在解决波斯语语音合成（TTS★ 61
voicenetvoicenet 是一个基于 TensorFlow 和 Sonnet 构建的语音合成平台，旨在通过神经网络实现文本到语音（TTS）的转换。它解决了从零开始搭建 ★ 60
Text-Normalization-Demo这是一个文本规范化（Text Normalization）的演示项目，对应论文《Text Normalization using Memory Augmente★ 60
react-native-spokestackreact-native-spokestack 是一个为 React Native 应用提供语音接口的官方 SDK，它封装了 Spokestack 的 iOS ★ 60
translatetranslate 是一款 Android 应用，专注于翻译文本对话，支持 90 多种语言，并集成了语音识别（speech-to-text）和语音合成（text★ 60
VITS-PytorchVITS-Pytorch 是一个基于 PyTorch 的端到端语音合成（TTS）项目，实现了 VITS 模型。VITS 通过对抗训练和变分推断，直接从文本生成高★ 60
OpenAI-TTS-GradioOpenAI-TTS-Gradio 是一个基于 Gradio 构建的轻量级 Web 界面，用于调用 OpenAI 的文本转语音（TTS）API。它解决了非开发者★ 59
annolidannolid 是一个基于实例分割的多目标跟踪与行为分析工具包，主要面向动物行为研究领域。它解决了研究人员在视频分析中手动标注耗时、难以追踪个体和提取行为特征的★ 59
SuperTextToolBoxSuperTextToolBox 是一个免费开源的 Windows 桌面文字处理工具箱，基于 C# 和 WinForms 构建，集成 OCR、AI 和 NLP ★ 58
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
swiftube-frontendswiftube-frontend 是一个基于 TypeScript 和 Next.js 构建的 AI 视频生成前端项目，旨在实现“视频版 ChatGPT”的交★ 58
RVCBenchRVCBench 是一个针对语音克隆鲁棒性、说话人隐私和音频保护的基准测试框架，覆盖 26 个 TTS 和 VC 模型。它解决当前语音合成技术被滥用（如深度伪造★ 58
SNACSNAC 是一个基于 PyTorch 的非官方实现，专注于零样本多说话人文本转语音（TTS）。它通过引入说话人归一化仿射耦合层，在流式生成架构中实现声音克隆，无★ 57
gpt_chatbot这是一个基于Python的语音聊天机器人，让你通过麦克风与GPT-4对话。它利用OpenAI的语音识别和文本转语音功能实现语音交互，并使用Pinecone向量数★ 56
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
lingopodlingopod 是一个将网页内容转化为 AI 驱动的中英文双语播客的开源工具。它主要面向语言学习者和内容消费者，解决传统文本阅读效率低、缺乏听力练习材料的问题★ 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
deepgram-dotnet-sdkdeepgram-dotnet-sdk 是 Deepgram 官方推出的 .NET 客户端库，用于在 C# 应用中集成 Deepgram 的语音 AI 服务。它★ 56
AiShortsVideosGenerator这是一个基于 ASP.NET Core 和 Next.js 的全栈开源项目，用于自动生成带字幕的 AI 短视频。它整合了 Gemini AI、AWS Lambd★ 56
AutomatedYoutubeShortsAutomatedYoutubeShorts 是一个基于 Python 的自动化工具，旨在根据用户提供的文本内容自动生成 YouTube Shorts 短视频。★ 55
GlosikGlosik 是一个基于 MLX Swift 的示例项目，演示了如何在苹果生态中运行 F5-TTS 文本转语音模型。它解决了 Swift 开发者难以在 iOS/★ 55
Daft-ExprtDaft-Exprt 是一个基于 PyTorch 的非自回归语音合成模型，专注于跨说话人的韵律迁移，旨在解决 expressive TTS 中韵律风格难以从源说★ 55
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
fe-pilotfe-pilot 是一个面向 React 的 UI 组件库，专注于封装高级 Web 特性，让开发者能快速集成地理位置、通讯录、自动填充等原生能力。它解决了前端开★ 54
yandex-speechkit-lib-python这是一个用于调用 Yandex Speechkit API 的 Python SDK，帮助开发者快速集成 Yandex 云平台的语音识别（STT）与语音合成（T★ 54
Phantom-AI-InterviewPhantom-AI-Interview 是一个实验性开源项目，旨在探索 AI 如何在不显眼的情况下辅助用户完成虚拟面试、编程挑战和考试。它通过 OCR 技术从★ 54
ttslabTTSLab 是一个本地运行的开源文本转语音（TTS）测试工具，旨在让用户零成本地在自己的电脑上轻松测试任意 TTS 模型。它解决了 TTS 模型评估和对比中需★ 54
gpt-dungeon-masterGPT Dungeon Master 是一个利用 GPT 模型为桌面角色扮演游戏（如龙与地下城）打造的 AI 地下城主。它解决了传统跑团中需要人工 DM 的痛点★ 53
cortanacortana 是一个基于 Python 的个人语音助手项目，结合了 OpenAI 的 ChatGPT、Whisper 语音识别和 ElevenLabs 的文本★ 53
arguing-robotsarguing-robots 是一个运行在 macOS 终端里的趣味项目，用 Crystal 语言编写。它让两个机器人角色在终端中实时“争吵”，并通过 macO★ 53
cs224n-gpu-that-talks这是一个基于CS224n课程项目开发的端到端语音合成系统，名为“Attention, I'm Trying to Speak”。它利用注意力机制和TensorF★ 52
Tacotron2Tacotron2 是一个基于 PyTorch 实现的端到端文本转语音（TTS）系统，源自 NVIDIA 的论文《Natural TTS Synthesis B★ 52
swift-ttsswift-tts 是一个面向 Swift 开发者的轻量级文本转语音（TTS）封装库，基于 AVFoundation 的 AVSpeechSynthesizer★ 52
Friend.lyFriend.ly 是一个基于性格特征提取的社交推荐平台，旨在解决传统社交平台中好友推荐不精准、缺乏深度匹配的问题。它通过自然语言处理（NLP）和深度学习技术，★ 52
AmazonSpeechTranslatorAmazonSpeechTranslator 是一个基于 AWS 托管机器学习服务的 iOS 端到端语音翻译解决方案，集成了语音识别（Amazon Transc★ 52
TTS-MultiLingualTTS-MultiLingual 是一个基于 Python 的多语言文本转语音（TTS）工具，支持超过 20 种语言的语音合成。它旨在解决开发者需要为多语言应用★ 52
voice_indonesian这是一个印度尼西亚语离线文本转语音（TTS）的示例代码项目，主要用于将文本转换为语音，且完全离线运行，不依赖云端服务。项目解决了在无网络环境下需要语音合成的场景★ 52
jsut-labjsut-lab 是一个为日语语音合成数据集 JSUT v1.1 提供 HTS 风格全上下文标签（full-context labels）的开源项目。它解决了语★ 51