text-to-speech 第 7 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 7 / 14 页）
vonage-ruby-sdk这是 Vonage（原 Nexmo）官方发布的 Ruby 语言 REST API 客户端 SDK，用于快速集成 Vonage 云通信平台。它封装了短信发送、语音★ 221
openai_tts这是一个为 Home Assistant 打造的自定义文本转语音（TTS）组件，利用 OpenAI 的语音合成引擎或任何兼容的 API 端点，为智能家居系统提供★ 221
htgo-ttshtgo-tts 是一个用 Go 语言编写的文本转语音（TTS）库，旨在为 Go 开发者提供简单、轻量的语音合成能力。它解决了 Go 生态中缺乏原生 TTS 库★ 219
pyhtpyht 是 PlayHT 官方推出的 Python SDK，用于快速接入其 AI 文本转语音（TTS）与声音克隆 API。它解决了开发者需要将高质量、自然语音★ 218
Persian-tts-coquiPersian-tts-coqui 是一个面向波斯语/法尔西语的开源文本转语音（TTS）训练项目，基于 Coqui TTS 框架构建。它解决了波斯语语音合成领域★ 218
TTSTTS 是一个面向 Arduino 平台的文本转语音库，用 C 语言编写。它解决了在资源受限的微控制器上实现语音合成的难题，让开发者无需额外硬件即可让 Ardu★ 216
vox-boxvox-box 是一个兼容 OpenAI API 的语音服务端，提供文本转语音（TTS）和语音转文本（STT）能力。它解决了语音应用开发中多模型集成和 API ★ 216
UEAzSpeechUEAzSpeech 是一个将 Azure 语音认知服务集成到虚幻引擎（Unreal Engine）中的插件。它解决了游戏和交互式应用开发中需要高质量语音识别与★ 215
CoMoSpeechCoMoSpeech 是南洋理工大学等机构在 ACM MM 2023 上提出的语音与歌声合成模型，基于一致性模型（Consistency Model）实现单步（★ 215
TensorVoxTensorVox 是一个用 C++ 编写的桌面端神经语音合成应用，专注于将文本实时转换为自然语音。它解决了传统 TTS 工具依赖云端、延迟高、集成复杂的问题，★ 214
pdf-narratorpdf-narrator 是一个将 PDF 和 EPUB 文档转换为有声书的开源工具，专为低资源系统设计。它解决了传统文档转音频过程中文本提取不准确、处理速度慢★ 213
generative-media-skills这是一个面向AI编程助手的生成式媒体技能集，旨在为Claude、Copilot、Cursor等编码助手提供图像、视频、音频、语音等生成式媒体的生产级能力。项目基★ 210
mongolian-nlpmongolian-nlp 是一个面向蒙古语自然语言处理的开源资源集合，旨在解决蒙古语 NLP 资源匮乏的问题。项目收集并整理了蒙古语相关的语料库、预训练模型、★ 209
heardheard 是一个为编码智能体（coding agents）打造的语音交互层，定位是「AI 编程助手的 Jarvis」。它解决的核心问题是：使用 Claude ★ 208
Tacotron-pytorchTacotron-pytorch 是一个基于 PyTorch 实现的 Tacotron 文本转语音（TTS）模型，旨在将文本序列转换为对应的 Mel 频谱图，为★ 206
waveglowWaveGlow 是一个基于流的生成式神经网络，用于语音合成中的声码器环节，能将梅尔频谱图高效转换为高质量音频波形。它由 NVIDIA 提出，结合了 Glow ★ 205
MioTTS-InferenceMioTTS-Inference 是 MioTTS 的推理服务器，MioTTS 是一个基于大语言模型的轻量级、快速的文本转语音（TTS）模型。该项目旨在解决传统★ 205
kokoclonekokoclone 是一个基于 Kokoro TTS 的语音克隆工具，它将语音克隆能力直接集成到 Kokoro 文本转语音引擎中。该项目解决了用户需要自然多语言★ 205
dub-studiodub-studio 是一款面向 Windows 的免费离线 AI 视频配音工具，以单个原生 .exe 形式分发，无需安装 Python 环境。它解决视频本地化★ 204
XTTSv2-Finetuning-for-New-LanguagesXTTSv2-Finetuning-for-New-Languages 是一个针对 Coqui XTTS v2 模型进行多语言微调的开源工具，旨在让开发者能够为★ 204
doc2audiobookdoc2audiobook 是一个将文本文档转换为高保真音频（有声书）的开源工具。它主要解决用户需要将 PDF、Word、TXT 等文本材料转化为可听的音频内容★ 203
hermes-speechhermes-speech 是一个为 Hermes Agent 设计的语音插件，同时提供 TTS（文本转语音）和 STT（语音转文本）能力。它解决的核心问题是：★ 203
MGM-OmniMGM-Omni 是一个面向个性化长时语音交互的多模态大语言模型（Omni LLM）开源项目。它解决的是现有语音大模型在长时间对话中缺乏个性化、语音与文本模态对★ 202
ComfyUI-VoxCPM2VoxCPM2 TTS for ComfyUI 是一个将 VoxCPM2 文本转语音模型集成到 ComfyUI 中的节点包。它解决了在 ComfyUI 工作流中★ 202
AndroidMaryTTSAndroidMaryTTS 是一个基于 MaryTTS 的离线文本转语音（TTS）引擎，专为 Android 平台打造。它采用 HMM（隐马尔可夫模型）语音合★ 200
gdansk-aigdansk-ai 是一个全栈语音聊天机器人项目，旨在帮助开发者快速构建具备语音交互能力的 AI 应用。它解决了从语音输入到智能回复再到语音输出的完整链路问题，★ 198
StyleSpeechStyleSpeech 是 Meta-StyleSpeech 的 PyTorch 非官方实现，旨在解决多说话人自适应文本转语音（TTS）中需要大量参考音频的问题★ 198
tts-util-appTTS Util 是一款开源的 Android 文本转语音工具应用，使用 Kotlin 开发，旨在将任意文本快速合成为可听的语音。它解决了用户在移动设备上缺乏轻★ 198
zai-ttszai-tts 是一个将智谱 AI 的 TTS（文本转语音）服务转换为 OpenAI 兼容 API 的轻量级开源项目。它解决了开发者在使用 OpenAI Spe★ 196
SapphireSapphire 是一个安卓平台上的免费开源语音助手，旨在替代 Google Assistant，并与 Sapphire Framework 集成。它内置语音识★ 195
companioncompanion 是一个基于生成式 AI 的外语私教工具，利用大语言模型和语音技术，帮助用户通过对话练习外语。它解决传统语言学习缺乏真实对话场景和个性化反馈的★ 195
speech.cppspeech.cpp 是一个基于 ggml 的 C++ 语音全栈工具库，把语音合成、语音识别和语音活动检测（VAD）整合到同一套推理框架中。它支持 Qwen3-★ 195
BentoChainBentoChain 是一个基于 LangChain、Hugging Face 语音模型和 BentoML 构建的语音对话助手应用。它解决的是传统文本聊天机器人★ 194
interspeech2019-tutorial这是一个INTERSPEECH 2019语音技术教程的配套材料仓库，包含Jupyter Notebook示例和演讲幻灯片，覆盖语音识别与语音合成两大核心方向。项★ 194
NeMo-Speech.cppNeMo-Speech.cpp 是一个基于 ggml 的轻量级 C++ 推理运行时，专门用于运行 NVIDIA NeMo 系列语音模型，覆盖语音识别（ASR）与★ 194
Cross-Speaker-Emotion-Transfer这是一个基于PyTorch实现的跨说话人情感迁移语音合成项目，源自字节跳动的研究成果。它解决的核心问题是：在文本到语音（TTS）合成中，如何让一个说话人的声音表★ 193
tortoise.cpptortoise.cpp 是 tortoise-tts 的 ggml (C++) 重新实现，旨在将高质量文本转语音模型本地化运行。它解决了原版 Python 实★ 192
Parallel-Tacotron2Parallel-Tacotron2 是 Google Parallel Tacotron 2 的 PyTorch 非官方实现，旨在解决传统自回归 TTS 模型★ 191
freelingoFreeLingo 是一个开源、可自托管的 AI 语言学习平台，目标是让用户完全掌控自己的学习数据与模型选择。它把大语言模型（本地 Ollama 或云端 API★ 191
nanospeechnanospeech 是一个极简、可自由修改的文本转语音（TTS）系统，基于 PyTorch 和 MLX 构建。它旨在解决现有 TTS 系统过于复杂、难以定制和★ 190
C-Sharp-Learning-Journey这是一个C#学习历程的集合仓库，收录了作者初学C#、WinForms和WPF时制作的小项目，涵盖浏览器、暴力破解工具、计算器、计时器、CRUD应用、邮件查找与发★ 189
react-speech-highlight-demo这是一个演示如何在 React 和原生 JavaScript 中实现文本转语音（TTS）并高亮当前朗读单词和句子的开源项目。它解决了有声内容制作中“听到的与看到★ 189
pytorch-dc-ttspytorch-dc-tts 是一个基于 PyTorch 实现的文本转语音（TTS）项目，支持英语和蒙古语。它复现了 DC-TTS（Deep Convoluti★ 186
NekoSpeakNekoSpeak 是一款面向 Android 的本地离线 AI 语音合成应用，支持 Kokoro、KittenTTS、Pocket-tts 和 Piper 等★ 186
resemble-unity-text-to-speechResemble Unity Text-to-Speech 是 Resemble AI 官方推出的 Unity 插件，将先进的语音克隆引擎无缝集成到 Unity★ 185
durian-pytorchdurian-pytorch 是论文《Duration Informed Attention Network for Multimodal Synthesis》★ 184
OSSSpeechKitOSSSpeechKit 是一个面向 iOS 开发者的原生语音工具包，基于 AVFoundation 和 Apple 的 Speech 框架封装，提供简洁的 S★ 184
document-to-podcastdocument-to-podcast 是 Mozilla.ai 推出的一个开源蓝图项目，旨在利用本地 AI 技术将文档自动转化为播客音频。它解决的是内容创作者★ 184
AivisSpeech-EngineAivisSpeech-Engine 是一个基于 Python 的 AI 语音合成引擎，专注于日文文本到语音（TTS）转换，并支持声音模仿。它整合了 BERT-★ 182
HeadTTSHeadTTS 是一个基于 Kokoro 的免费神经文本转语音（TTS）工具，专为唇形同步（lip-sync）场景设计。它解决了传统 TTS 无法提供精确时间戳★ 182