text-to-speech 第 8 页

本站收录 677 个带「text-to-speech」标签的 AI 开源项目(按 GitHub 星标从高到低,第 8 / 14 页)

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★ 195agentcallAgentCall 是一个让 AI 智能体以真实身份加入视频会议的开源项目,支持语音、视频和屏幕共享,使 AI 能像人类协作者一样在 Google Meet、M★ 194BentoChainBentoChain 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★ 194interspeech2019-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★ 194zai-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★ 194hermes-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:★ 194Cross-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★ 193tortoise.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★ 191Parallel-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★ 191nanospeechnanospeech 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★ 190react-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★ 189document-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★ 189C-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★ 188resemble-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★ 186pytorch-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★ 185AivisSpeech-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-★ 185ElevenLabs-Clone这是一个自托管的 ElevenLabs 替代品,用于文本转语音、声音转换和 AI 音频生成。它基于 Docker、FastAPI 和 Next.js 构建,提供★ 185durian-pytorchdurian-pytorch 是论文《Duration Informed Attention Network for Multimodal Synthesis》★ 184OSSSpeechKitOSSSpeechKit 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★ 184HeadTTSHeadTTS 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★ 184GSV-TTS-LiteGSV-TTS-Lite 是一个专为 GPT-SoVITS 文本转语音模型设计的高性能推理引擎,专注于少样本语音克隆。它解决了 GPT-SoVITS 原始推理速★ 183elevenlabs-nodeelevenlabs-node 是一个用于 Node.js 的 Eleven Labs 文本转语音(TTS)非官方客户端包。它封装了 Eleven Labs 的★ 181megaphonemegaphone 是一款专为 Mac 设计的免费、注重隐私的本地听写工具,基于 Apple 的 SpeechAnalyzer 和基础模型构建。它完全在设备端运★ 181parrotParrot 是一款基于 Rust 和 Tauri v2 构建的免费、离线、注重隐私的 AI 文本转语音(TTS)桌面应用。它利用 Kokoro TTS 引擎,★ 181self-hosted-ai-stack这是一个基于 Docker Compose 的一站式自托管 AI 技术栈部署方案,旨在帮助用户快速搭建本地优先、隐私安全的 AI 服务集群。它集成了 Ollam★ 180speech-androidspeech-android 是一个面向 Android 平台的端侧语音 SDK,基于 ONNX Runtime 并利用高通 NNAPI 加速,提供语音识别(A★ 175bournemouth-forced-aligner这是一个用于语音音频的强制对齐工具,能够自动提取音素级别的时间戳。它解决了语音处理中需要精确对齐音频与文本的问题,尤其适用于语音识别、语音合成和语言学研究。核心★ 174heygen-cliheygen-cli 是 HeyGen 视频生成 API 的官方命令行工具,让你在终端里直接创建 AI 视频。它解决了视频制作流程中频繁切换网页界面、难以自动化★ 174InflectInflect 是一个轻量级、高质量的文本转语音(TTS)模型,旨在以极小的资源占用生成自然流畅的语音。它目前处于积极开发阶段,重点追求快速迭代、优秀的音质和简★ 174ComfyUI-Drama3ComfyUI-Drama3 是把 Fish Audio Drama 3 文本转语音能力接入 ComfyUI 的原生节点项目,让用户在 ComfyUI 工作流内★ 174wsaywsay 是一个 Windows 平台下的命令行文本转语音(TTS)工具,相当于 macOS 上 `say` 命令的 Windows 版本。它解决了 Windo★ 173tts这是一个基于 Node.js 的极简文本转语音(TTS)命令行工具,核心功能是将用户输入的文本转换为语音,并支持使用 Amazon Polly 提供的多种高质量★ 173Breeze-TTS-2.cppBreeze-TTS-2.cpp 是一个用 C++ 实现的中英双语文本转语音推理项目,基于 ggml/GGUF 生态,模型权重以 GGUF 格式分发,便于在本地★ 173BVAE-TTSBVAE-TTS 是一个基于 PyTorch 的文本转语音(TTS)开源项目,是论文的官方实现。它采用贝叶斯变分自编码器(BVAE)框架,旨在解决传统 TTS ★ 172spellbook-dockerspellbook-docker 是一个基于 Docker 的 AI 模型集成部署工具,旨在简化多种 AI 模型的本地运行与交互。它解决了 AI 爱好者与开发者★ 171ospeakospeak 是一个基于 Python 的 CLI 工具,用于调用 OpenAI 的文本转语音(TTS)API。它解决了开发者或普通用户在终端中快速将文本转换为★ 170chatgpt-voicechatgpt-voice 是一个基于 TypeScript 和 React 构建的轻量级语音对话应用,旨在让你像聊天一样自然地和 ChatGPT 进行语音交互★ 169NLP-pretrained-model这是一个自然语言处理预训练模型的集合仓库,收录了基于Keras、MXNet等深度学习框架的多种预训练模型,涵盖词向量、句向量、文本分类等常见NLP任务。项目旨在★ 169MSMC-TTSMSMC-TTS 是一个多阶段多码本(Multi-Stage Multi-Codebook)的语音合成(TTS)开源项目,基于深度学习与 GAN 架构,结合 V★ 168WhisperTimeSyncWhisperTimeSync 是一个用 Java 编写的开源工具,旨在解决 Whisper 语音识别结果中时间戳不准确的问题。它允许用户基于已有的、准确的转录★ 168MonikA.IMonikA.I 是一个针对《心跳文学部》同人模组 Monika After Story(MAS)的扩展子模组,用 Python 和 Ren'Py 编写。它给游★ 168silero-stressSilero Stress 是一个面向俄语的预训练自动重音标注与同形异义词消歧工具。它解决了俄语文本中多音字(同形异义词)发音不明确的问题,为文本转语音(TTS★ 168telnyx-code-examplesTelnyx 官方提供的生产级代码示例合集,覆盖其 AI 通信基础设施的 Voice AI、SMS、SIP 和 IoT API。项目旨在帮助开发者快速上手 Te★ 167openai-whisper-talkopenai-whisper-talk 是一个基于 OpenAI 技术栈的语音对话示例应用,整合了 Whisper 语音识别、Completions 对话生成、★ 167remotion-superpowersRemotion Superpowers 是一个为 Claude Code 打造的插件,旨在将 Remotion 变成完整的视频制作工作室。它解决了在 AI 编★ 166voxvox 是一个用 Rust 编写的通用 AI 工具包,专注于高性能的语音转文字(STT)和文字转语音(TTS)处理。它旨在解决实时语音交互场景中的低延迟问题,并★ 165Neural-HMMNeural-HMM 是一个基于神经隐马尔可夫模型(Neural HMM)的高质量文本转语音(TTS)开源项目。它旨在解决传统注意力机制在语音合成中的鲁棒性不足★ 164kobold_assistantkobold_assistant 是一个完全离线的 AI 语音助手项目,旨在提供类似 ChatGPT 语音对话的体验,但所有处理都在本地完成,无需联网,保护隐私★ 162AdaSpeechAdaSpeech 是一个基于 PyTorch 的自适应文本转语音(TTS)项目,旨在为自定义声音提供高质量的语音合成能力。它针对传统 TTS 系统在适应新说话★ 162awesome-ai-services这是一个汇总AI即服务(AI-as-a-Service)领域资源与工具的精选列表项目。它系统梳理了当前市场上各类AI服务,覆盖计算机视觉、人脸识别、实体识别、关★ 162