text-to-speech 第 4 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 4 / 14 页）
voice-buildervoice-builder 是一个开源的文本转语音（TTS）语音构建工具，基于 JavaScript 开发，整合了 festvox、NLP 和语音合成技术。它旨★ 687
dictionariezdictionariez 是一款可高度定制的浏览器词典扩展，支持在网页中双击查词，覆盖 20 多种语言、1000 多部词典，并提供文本转语音、翻译和 Anki ★ 682
LLaSA_trainingLLaSA是一个基于LLaMA架构的语音合成项目，旨在通过扩展训练和推理时的计算量来提升语音生成质量。它解决了传统TTS模型在自然度和表现力上的不足，将语音离散★ 656
f5-tts-mlxf5-tts-mlx 是 F5-TTS 模型在 Apple MLX 框架上的实现，旨在让 TTS 模型在 Apple Silicon 芯片上高效运行。它解决了 ★ 649
vits2VITS2 是一个基于 PyTorch 的单阶段文本转语音（TTS）模型，旨在提升语音合成的质量和效率。它通过对抗学习和架构设计改进，解决了传统两阶段 TTS ★ 648
flutter_edge_aiflutter_edge_ai 是一个面向 Flutter 的端侧 AI 开发框架，目标是把大语言模型和多模态能力直接跑在用户设备上，而不是依赖云端 API。它★ 641
PandratorPandrator 是一款免费开源的本地化音频生成工具，主要将 PDF 和 EPUB 电子书转换为有声书，也能将字幕或视频进行配音（含翻译），并支持更多音频处理★ 637
examplesexamples 是一个基于 TypeScript 的音频与语音技术示例集合，专注于文本转语音（TTS）和配音（dubbing）场景，深度集成 ElevenLa★ 630
ParakeetParakeet 是百度 PaddlePaddle 生态下的并行语音合成工具包，旨在提供从文本到语音的完整训练与推理流程。它集成了多种主流 TTS 模型，包括自★ 627
explainrooexplainroo 是一个开源的 AI 讲解视频与产品演示生成工具，让 AI 代理（如 Claude Code、Codex）把一段脚本自动变成带旁白的 MP4★ 620
tiktok-voicetiktok-voice 是一个简单的 Python 脚本，用于调用 TikTok 的文本转语音（TTS）API，将文字转换为语音音频。它解决了开发者需要快速、★ 611
ComfyUI-VibeVoiceComfyUI-VibeVoice 是一个为 ComfyUI 设计的自定义节点，用于集成 VibeVoice 文本转语音（TTS）引擎。它解决了在 ComfyU★ 607
qwen3-tts-apple-silicon这是一个在苹果自研芯片 Mac 上本地运行 Qwen3-TTS 文本转语音模型的工具，支持 M1/M2/M3/M4 全系列。它利用 MLX 框架实现 100% ★ 584
Chatterbox-TTS-ExtendedChatterbox-TTS-Extended 是 Chatterbox 文本转语音项目的增强版，主要解决原始版本对输入文本长度和格式的限制问题。它允许用户直接★ 582
TalkifyTalkify 是一款面向 macOS 的本地优先语音听写工具，使用 Swift 与 SwiftUI/AppKit 开发，核心目标是把语音转文字彻底留在设备上完★ 580
alan-sdk-reactnativeAlan AI SDK for React Native 是一个将语音助手能力集成到 React Native 应用中的开发工具包。它解决了移动应用内缺乏自然语★ 573
ComfyUI-OmniVoice-TTSOmniVoice TTS 是一个为 ComfyUI 设计的自定义节点，提供零样本多语言文本转语音功能，并支持声音克隆、声音设计和多说话人对话。它解决了 Com★ 561
payload-ai为 Payload CMS 打造的强大 AI 插件，将先进的人工智能能力深度集成到内容创作与管理流程中。支持智能内容生成、优化与增强，帮助内容团队大幅提升生产效★ 558
Awesome-LLMs-meet-Multimodal-Generation这是一个精选论文列表，聚焦于基于大语言模型（LLM）的多模态生成领域，涵盖图像、视频、3D和音频四大模态。项目系统梳理了LLM与多模态生成结合的前沿研究，包括多★ 551
orpheus-tts-localOrpheus TTS Local 是一个让 Orpheus 3B 文本转语音模型在本地运行的轻量级工具。它解决了云端 TTS 服务依赖网络、数据隐私和成本高的★ 551
vits2_pytorchvits2_pytorch 是 VITS2 文本转语音模型的非官方 PyTorch 实现。VITS2 是 VITS 的改进版本，通过引入流匹配、改进的对抗训练和★ 548
openreaderopenreader 是一个开源的文档朗读服务器，旨在将电子书和文档转换为高质量的语音播放体验。它支持 EPUB、PDF、DOCX、TXT 和 MD 等主流格式★ 544
ai-avatar-system开箱即用的 AI 数字人平台，上传一张照片、克隆一段声音，即可通过唇形同步视频与任意面孔实时对话。完全开源、支持自托管，基于 Claude、Whisper、Ch★ 542
storytellerstoryteller 是一个多模态 AI 故事生成器，结合 Stable Diffusion、GPT 和神经文本转语音技术，将文字故事自动转化为图文并茂、带语★ 535
EDDIEDDI 是《精英危险》（Elite Dangerous）游戏的伴侣应用，专为提升游戏体验而设计。它通过监听游戏日志和事件，结合 EDSM、EDDN 等社区数据★ 527
VODERVODER（Voice Operation and Design Engine with Reproduction）是一个基于Python的语音操作与设计引擎，★ 524
vixtts-demovixtts-demo 是一个面向越南语的开源语音克隆与文本转语音（TTS）模型演示项目。它基于 XTTS 架构进行微调，专门针对越南语进行优化，解决了通用 T★ 519
e2-tts-pytorchE2-TTS 是一个基于 PyTorch 的零样本文本转语音（TTS）实现，对应论文《Embarrassingly Easy Fully Non-Autoreg★ 517
ComfyUI-VoxCPMComfyUI-VoxCPM 是一个为 ComfyUI 设计的音频生成节点，专注于高表现力的语音合成和零样本声音克隆。它解决了在 ComfyUI 工作流中集成先★ 517
willow-inference-serverWillow 是一个开源的、本地自托管的语言推理服务器，专注于音频和语音场景，同时支持 ASR/STT、TTS 和 LLM 推理。它解决了在本地环境中高效部署多★ 511
aspeakaspeak 是一个基于 Rust 编写的极简命令行文本转语音（TTS）客户端，专门调用 Azure TTS API。它解决了开发者或普通用户在终端中快速将文本★ 497
Awesome-Singing-Voice-Synthesis-and-Singing-Voice-Conversion这是一个关于歌声合成（SVS）与歌声转换（SVC）的精选论文与项目列表，同时涵盖语音合成（TTS）、语音转换（VC）及相关领域（如音乐合成、自动音乐转录、MOS★ 492
AivisSpeechAivisSpeech 是一个基于 AI 的语音模仿与文本转语音（TTS）系统，专注于日语语音合成。它利用 Style-Bert-Vits2 等先进模型，能够通★ 482
speech_datasetspeech_dataset 是一个面向语音识别（ASR）研究的中文语音数据集仓库，旨在为深度学习语音模型提供训练与评估所需的音频资源。项目整理了多种来源的语音★ 470
google-speech-v2google-speech-v2 是一个针对 Google 语音转文字 API（v2 版本）的逆向工程项目。它通过分析 Google 内部接口的请求协议，提供了★ 469
deepgram-python-sdkDeepgram 的官方 Python SDK，用于快速集成 Deepgram 的语音 AI 服务。它解决了开发者在 Python 应用中接入语音识别（ASR）★ 469
StyleTTSStyleTTS 是一个基于 PyTorch 的文本到语音（TTS）合成项目，通过风格迁移技术让合成语音具备多样化的情感和韵律表达。它解决了传统 TTS 系统语★ 468
dectalkdectalk 项目旨在为 90 年代/00 年代的 DECtalk 文本转语音（TTS）应用提供现代化构建。DECtalk 是经典的语音合成引擎，以其独特的机★ 468
echogardenEchogarden 是一个跨平台的语音工具集，既可作为命令行工具使用，也可作为 Node.js 库集成。它整合了多种语音引擎，提供语音合成（TTS）、语音识别★ 453
elevenlabs-jselevenlabs-js 是 ElevenLabs 官方推出的 JavaScript/TypeScript 库，用于在 Node.js 环境中调用 Eleve★ 446
speech-recognition-uk这是一个面向乌克兰语的开源语音识别与合成工具包，旨在解决乌克兰语在主流语音技术中支持不足的问题。项目基于Python构建，提供从语音到文本（STT）和文本到语音★ 441
real-time-voice-translator这是一个桌面应用，利用AI实现跨语言的实时语音翻译，同时保留说话者的音色和情感。它解决的是传统翻译工具无法保留语气和情绪的问题，核心能力包括语音识别、机器翻译和★ 440
ai-skillsai-skills 是一个为 AI 编程助手（Claude Code、Cursor、Codex、Gemini CLI）提供跨平台技能包的集合，包含 24 个技能★ 440
personalized-podcastpersonalized-podcast 是一个将任意内容转化为个性化 AI 播客的开源工具，风格类似 NotebookLM，但用户可完全掌控脚本、声音和主持人★ 438
vynaroVynaro（叙影 AI）是一款基于 Tauri 2、Rust 和 React 19 构建的桌面端 AI 视频创作工具，专注于影视解说与第一人称视角视频的自动化★ 437
splicrsplicr（Vynaro 叙影 AI）是一款基于 Tauri 2 + Rust + React 19 构建的桌面端 AI 影视解说与第一人称视频创作工具。它面★ 437
ProDiffProDiff 是一个基于 PyTorch 实现的语音合成项目，对应 ACM-MM'22 论文，主打极速扩散式语音合成。它解决了传统扩散模型在语音合成中推理速度★ 432
AssistentePessoalAssistentePessoal 是一个用 Python 构建的虚拟个人助理项目，旨在通过语音和文本交互帮助用户完成日常任务。它解决了传统命令行操作繁琐、效率★ 425
alan-sdk-pcfAlan AI SDK for Power Apps 是一个将对话式AI能力嵌入微软Power Apps的低代码开发工具包。它通过Power Apps Comp★ 424
FastDiffFastDiff 是一个基于 PyTorch 实现的快速音频生成模型，源自 IJCAI 2022 论文。它属于神经声码器（neural vocoder）类别，主★ 424