text-to-speech 第 3 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 3 / 14 页）
open-speech-corpora这是一个收录可公开获取的语音语料库的清单项目，旨在为语音技术研究与开发提供资源导航。它系统整理了用于自动语音识别（ASR）、语音合成（TTS）、语音情感识别、语★ 1,409
MOSS-TTSDMOSS-TTSD 是一个面向表达性多说话人合成的口语对话生成模型。它解决了传统语音合成在长上下文建模、说话人灵活控制和多语言支持方面的不足，能够从短音频参考中★ 1,409
Matcha-TTSMatcha-TTS 是一个基于条件流匹配（Conditional Flow Matching）的快速文本转语音（TTS）架构，发表于 ICASSP 2024。★ 1,369
WavTokenizerWavTokenizer 是一个先进的离散声学编解码器模型，专为音频语言建模设计，在 ICLR 2025 发表。它解决了传统音频编解码器在极低码率下保留语义和声★ 1,325
merlinMerlin 是一个基于深度学习的开源语音合成工具包，专注于文本到语音（TTS）和语音转换任务。它解决了传统语音合成系统依赖复杂信号处理、难以扩展的问题，提供了★ 1,321
airunnerAirunner 是一个面向桌面端的离线 AI 推理引擎，集成了图像生成、实时语音对话、LLM 聊天机器人和自动化工作流。它解决的是用户对 AI 工具隐私和本地★ 1,318
StreamSpeechStreamSpeech 是一个“一体化”的无缝语音模型，同时支持离线与同声传译场景下的语音识别（ASR）、语音翻译和语音合成。它解决了传统级联系统延迟高、错误★ 1,294
audio-webuiaudio-webui 是一个面向音频相关神经网络的统一 Web 界面，旨在解决音频 AI 工具分散、使用门槛高的问题。它集成了多种主流音频生成与处理模型，如 ★ 1,242
speech-swiftspeech-swift 是一个专为 Apple Silicon 设备打造的 AI 语音工具包，基于 MLX 和 CoreML 框架，提供端侧语音识别（ASR）★ 1,241
TTS-Audio-SuiteTTS-Audio-Suite 是一个 ComfyUI 自定义节点集成包，旨在为本地多引擎、多语言的文本转语音（TTS）和语音转换（VC）提供一站式解决方案。它★ 1,238
Foundation-Models-Framework-Lab这是一个基于 Apple 新发布的 Foundation Models 框架的实战实验室，旨在帮助开发者快速上手构建、测试和评估基于 Apple 基础模型的应用★ 1,189
dia2dia2 是一个开源的实时流式对话语音合成（TTS）模型，基于开放权重架构，支持低延迟的音频流输出。它解决的是传统 TTS 系统在对话场景中响应慢、无法边生成边★ 1,183
XZVoiceXZVoice是一款免费开源的文本转语音（TTS）桌面软件，基于Electron和Vue构建，旨在为用户提供便捷、高质量的语音合成能力。它解决了传统TTS工具要★ 1,163
TransformerTTSTransformerTTS 是一个基于非自回归 Transformer 架构的文本转语音（TTS）开源实现，由 Axel Springer AI 团队开发。它★ 1,162
alan-sdk-cordovaAlan AI SDK for Cordova 是一个将对话式 AI 助手集成到 Cordova 应用中的开发工具包。它解决了移动应用内缺乏自然语言交互能力的问★ 1,130
PatterPatter 是一个开源的语音 AI SDK，旨在成为 Vapi 和 Retell 的替代方案，让开发者能够完全掌控自己的语音代理技术栈。它解决了构建电话语音代★ 1,076
alexandria-audiobookAlexandria 是一个基于 AI 的多角色有声书生成器，解决传统 TTS 只能单一音色、缺乏情感和角色区分的问题。它利用 LLM 对书籍文本进行脚本标注，★ 1,073
overlay-translatoroverlay-translator 是一款无需 ROOT 的 Android 屏幕实时翻译工具，专为游戏、视觉小说和漫画场景设计。它通过屏幕叠加层捕获文字区域★ 1,071
Cognitive-Speech-TTS这是微软官方提供的文本转语音（TTS）示例代码集，涵盖多种编程语言，属于Azure认知服务的一部分。它主要解决开发者快速接入微软神经TTS能力的问题，包括标准语★ 1,016
Step-Audio-EditXStep-Audio-EditX 是一个基于 3B 参数大语言模型和强化学习的音频编辑模型，专注于情感、说话风格和副语言特征的精细编辑，同时具备强大的零样本语音★ 987
NaturalVoiceSAPIAdapterNaturalVoiceSAPIAdapter 是一个将微软 Azure 神经网络 TTS 声音桥接到 SAPI 5 接口的适配器。它解决了传统 SAPI 5 ★ 979
NISQANISQA是一个基于深度学习的非侵入式语音质量与TTS自然度评估工具。它解决了传统语音质量评估需要原始参考信号（侵入式）的问题，能够在无参考的情况下，仅凭待测语★ 978
botium-speech-processingBotium Speech Processing 是一个用于语音处理测试的开源工具集，隶属于 Botium 测试框架生态。它主要解决在自动化测试中如何对语音交互★ 943
vonage-php-sdk-coreVonage PHP SDK Core 是 Vonage（原 Nexmo）官方提供的 PHP 客户端库，用于对接其云通信 REST API。它解决了 PHP 开★ 929
FireRedTTSFireRedTTS 是一个基于大语言模型（LLM）的开源语音合成（TTS）系统，旨在提供高质量、自然且可控的文本到语音生成能力。它结合了语言模型、扩散模型、流★ 924
EDDiscoveryEDDiscovery 是专为《精英危险》玩家打造的一款辅助工具，集航行日志记录与 3D 星图于一体。它自动解析游戏生成的日志文件，将玩家的每一次跳跃、探索、贸★ 901
diffwaveDiffWave 是一个基于扩散概率模型的神经声码器与波形合成器，由 Google Brain 团队提出，用于从梅尔频谱等条件特征高效生成高质量语音波形。它解决★ 886
ai-video-editorai-video-editor 是一个本地优先的浏览器端 AI 视频编辑器，利用 WebGPU 在浏览器中直接运行 AI 模型，无需上传视频到云端，保护隐私。它★ 871
bark.cppbark.cpp 是一个将 Suno AI 的 Bark 文本转语音模型用 C/C++ 重新实现的开源项目，基于 ggml 推理引擎，无需 Python 环境和★ 869
CloneTTSCloneTTS 是一个运行在 Android 本地的轻量级文字转语音（TTS）引擎，主打离线运行和系统级集成。它解决了传统云端 TTS 依赖网络、延迟高、隐私★ 850
Multilingual_Text_to_Speech这是一个基于 Tacotron 2 的多语言文本转语音（TTS）实现，专注于支持多语言实验，包括参数共享、语码切换和声音克隆。项目解决了单一语言 TTS 模型无★ 843
Confucius4-TTSConfucius4-TTS 是一个多语言与跨语言零样本语音合成引擎，基于 PyTorch 构建。它解决的核心问题是：在无需针对特定说话人进行微调的情况下，用极★ 843
luelue 是一个运行在终端里的电子书阅读器，核心亮点是集成了高品质的文本转语音（TTS）功能，让用户能在命令行环境中获得类似有声书的阅读体验。它支持 EPUB、P★ 817
TTS-Voice-WizardTTS-Voice-Wizard 是一个面向 VRChat 和 VTuber 的语音转文字再转语音（STTTS）工具。它解决的是虚拟形象无法实时显示说话内容、无★ 812
lobe-ttsLobe TTS 是一个基于 TypeScript 的高质量、可靠的语音合成（TTS）与语音识别（STT）库，专为服务端和浏览器环境设计。它解决了开发者在集成语★ 807
mlx-audio-swiftmlx-audio-swift 是一个专为 Apple Silicon 设计的模块化 Swift 音频处理 SDK，基于 MLX 框架构建。它解决了在苹果生态中★ 802
junejune 是一个本地运行的语音聊天机器人，旨在提供自然流畅的语音对话体验。它整合了 Ollama 作为本地大语言模型推理引擎，Hugging Face Tran★ 788
vuiVui 是一个实时语音助手框架，基于 WebRTC 流式传输，集成了 faster-whisper 语音识别、本地 LLM（如 Qwen）和 Vui Nano ★ 774
cboardCboard 是一个基于浏览器的增强与替代沟通（AAC）系统，专为言语障碍人群（如自闭症、脑瘫等）设计。它通过图形符号和文字转语音（TTS）技术，帮助用户以点击★ 764
flutter_ttsflutter_tts 是一个 Flutter 文本转语音（TTS）插件，为 Flutter 应用提供跨平台的语音合成能力。它解决了 Flutter 生态中缺少★ 758
kokoro-webKokoro Web 是一个基于 Kokoro-82M 模型的开源 AI 文本转语音（TTS）项目，提供在线演示和自托管两种使用方式。它解决了开发者快速集成高质★ 757
voice-aiRapida 是一个开源的端到端语音 AI 编排平台，旨在帮助开发者快速构建实时对话式语音代理。它解决了语音代理开发中音频流处理、语音识别（STT）、语音合成（★ 748
cursescurses 是一个基于 Tauri 和 TypeScript 构建的桌面应用，专注于为 OBS、VRChat、Twitch 聊天和 Discord 提供语音转★ 727
glow-ttsglow-tts 是一个基于生成流（Generative Flow）的文本转语音（TTS）开源项目，由蒙特利尔大学等机构的研究者提出。它通过单调对齐搜索（Mon★ 717
bark-voice-cloning-HuBERT-quantizer这是一个用于声音克隆的开源项目，基于Bark模型和HuBERT量化器实现。它解决的核心问题是：如何用少量样本（甚至几秒钟的语音）克隆出特定音色，并用于文本到语音★ 711
podcast-makerpodcast-maker 是一个将新闻简报自动转化为 YouTube 视频的全自动工具。它利用动态图形（motion graphics）和文本转语音（TTS）★ 708
voicebox-pytorchvoicebox-pytorch 是 MetaAI 提出的 Voicebox 文本转语音（TTS）模型的非官方 PyTorch 实现。Voicebox 是一种基★ 703
Transformer-TTSTransformer-TTS 是一个基于 PyTorch 实现的文本转语音（TTS）项目，对应论文《Neural Speech Synthesis with ★ 695
whisper_androidwhisper_android 是一个将 OpenAI Whisper 语音识别模型移植到 Android 平台的开源项目，基于 TensorFlow Lite★ 694
chatterbox-tts-apiChatterbox TTS API 是一个本地部署的、兼容 OpenAI 接口的文本转语音服务，基于 Chatterbox 模型实现声音克隆。它解决了在本地或★ 690