text-to-speech 第 8 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 8 / 14 页）
elevenlabs-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★ 181
BVAE-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 ★ 173
wsaywsay 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★ 173
tts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★ 173
sayitsayit 是一款面向 Apple silicon Mac 的本地文字转语音工具，基于 Swift 开发并调用 mlx-audio 推理框架，把 TTS 模型完★ 173
megaphonemegaphone 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★ 172
GSV-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★ 172
spellbook-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★ 171
chatgpt-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★ 170
ospeakospeak 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★ 170
speech-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★ 170
agentcallAgentCall 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★ 169
NLP-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★ 169
bournemouth-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★ 169
MSMC-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★ 168
WhisperTimeSyncWhisperTimeSync 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★ 168
MonikA.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★ 168
self-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★ 168
parrotParrot 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，★ 167
openai-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、★ 166
silero-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★ 166
OpenVisionOpenVision 是一款开源的 iOS 应用，旨在将 Meta Ray-Ban 智能眼镜与多种 AI 后端无缝连接，解决智能眼镜缺乏本地智能助手的问题。它支★ 166
voxvox 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★ 165
Neural-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★ 164
kobold_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★ 164
telnyx-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★ 162
AdaSpeechAdaSpeech 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★ 162
awesome-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
STYLERSTYLER 是 INTERSPEECH 2021 发表的语音合成论文官方实现，专注于表达性且可控的神经文本转语音（TTS）。它通过语音分解技术，将语音内容、音★ 159
elevenlabslibelevenlabslib 是一个用于 ElevenLabs API 的 Python 封装库，旨在简化开发者对 ElevenLabs 文本转语音（TTS）服务★ 159
SSR-SpeechSSR-Speech 是一个面向零样本语音编辑与合成的开源项目，旨在解决现有语音编辑和合成技术中稳定性、安全性和鲁棒性不足的问题。它基于音频编解码器（audio★ 159
StyleTTS2StyleTTS2 是一个基于 StyleTTS 2 模型的文本转语音（TTS）与声音克隆工具，以 Python 包形式提供，可通过 pip 直接安装使用。它解★ 158
OmniDictateOmniDictate 是一款免费开源的 Windows 实时听写工具，完全本地运行，无需云端，保护隐私。它利用 faster-whisper 等 AI 模型实★ 157
heygen-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★ 157
UnityChatGPTUnityChatGPT 是一个面向 Unity 开发者的早期开源示例集合，旨在演示如何将 OpenAI 的 ChatGPT 与 Unity 引擎集成。项目主要★ 155
tg2obsidiantg2obsidian 是一个用 Python 编写的 Telegram 机器人，它能够自动将指定 Telegram 聊天或群组中的新消息拉取下来，并保存到本地★ 154
PitchExtractorPitchExtractor 是一个基于深度神经网络的音高提取工具，专为语音转换和语音合成（TTS）训练设计。它解决了传统音高提取算法（如基于自相关或频谱的方法★ 154
edge-ttsedge-tts 是一个基于 TypeScript 的 Node.js/Bun 库，让你无需安装 Microsoft Edge、Windows 系统或申请 AP★ 152
amazon-polly-sampleamazon-polly-sample 是一个基于 Amazon Polly 的示例应用，核心功能是将任意博客文章转换为音频播客。它通过解析博客的 RSS 源，★ 151
voice_clone_labvoice_clone_lab 是一个基于 Qwen3-TTS 的本地语音克隆工具，用户只需提供几分钟的音频样本，即可微调模型并生成与目标音色一致的语音。项目提★ 151
ElevenLabs-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★ 149
Tacotron2-PyTorch这是一个基于PyTorch实现的Tacotron 2文本转语音（TTS）模型，旨在提供比原始实现更快的训练速度和更灵活的参数控制。它解决了Tacotron 2在★ 148
Comprehensive-E2E-TTS这是一个基于 PyTorch 的非自回归端到端文本转语音（TTS）项目，直接将文本转换为语音波形，无需中间声学特征。它集成了多种前沿的无监督时长建模方法，支持 ★ 147
TTSizerTTSizer 是一个自动生成高质量、按说话人区分的文本转语音（TTS）数据集的工具。它解决的是构建 TTS 模型时数据准备繁琐的痛点：以往需要手动转录音频、切★ 147
eidolon-sceidolon-sc 是一个面向《偶像大师 闪耀色彩》粉丝的 AI 角色分身项目，让你能和游戏中的偶像进行实时语音或文字对话。它解决的是通用聊天机器人缺乏角色设★ 146
pyRobBotpyRobBot 是一个基于 OpenAI API 的 Python 对话助手，支持语音、图形界面（UI）和终端三种交互方式，并能联网获取最新信息。它解决了用户★ 145
tts-arabic-pytorch这是一个基于 PyTorch 的阿拉伯语语音合成（TTS）工具包，实现了 Tacotron2 和 FastPitch 两种主流声学模型，并集成 HiFi-GAN★ 145
UnityTTSUnityTTS 是一个专为 Unity 引擎设计的文本转语音（TTS）解决方案，旨在帮助开发者轻松地在 Unity 项目中集成语音合成功能。它解决了 Unit★ 144
spokestack-pythonSpokestack-python 是一个为 Python 应用提供语音界面能力的开源库，尤其专注于嵌入式系统。它解决了在资源受限的设备上集成语音交互的难题，提★ 142
joytanJoytan是一个面向语言学习和有声书创作的Python开源工具，它将文本、音频和记忆卡片生成整合在一个PyQt5图形界面中。该项目主要解决教育者或自学者在制作★ 140