text-to-speech 第 9 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 9 / 14 页）
SAPI4SAPI4 是一个基于 Web 的文本转语音（TTS）接口，专门用于调用微软经典的 SAPI4 语音引擎（如 Microsoft Sam 等）。它解决了现代系统★ 140
whisrswhisrs 是一款面向 Linux 桌面的语音工具，用 Rust 编写，主打听写、朗读和语音驱动的 LLM 命令。它解决 Linux 桌面长期缺乏统一语音交互★ 140
Multi-SingerMulti-Singer 是 ACM MM 2021 论文的官方 PyTorch 实现，专注于歌唱语音合成（Singing Voice Synthesis）。它★ 139
Verbify-TTSVerbify-TTS 是一个简单且免费的文本转语音引擎，旨在为用户朗读屏幕上的任意文本。它利用先进的 AI 模型提供高质量语音，解决传统 TTS 工具音质生硬★ 139
articulate.jsarticulate.js 是一个基于 jQuery 的轻量级插件，利用浏览器原生的 SpeechSynthesis API 实现文字转语音朗读功能。它解决了网★ 138
Vocal-AgentVocal-Agent 是一个基于 Python 的开源级联语音助手框架，它将实时语音识别（Whisper）、AI 推理（Llama）和神经文本转语音（Koko★ 138
best-rq-pytorchBEST-RQ 是一种自监督语音表示学习模型，由 Google 提出，核心思想是用随机投影量化器（Random Projection Quantizer）替代传★ 138
SpeakThatSpeakThat 是一款 Android 平台的开源通知朗读工具，旨在将手机上的各类通知通过文字转语音（TTS）实时播报出来，让用户在不看屏幕的情况下也能掌握★ 138
remotion-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★ 137
AIEVAIEV 是一个基于 TypeScript 构建的自动视频编辑工具，旨在将原始素材快速转化为成品 MP4 视频。它利用 Claude 等 AI 模型协调 Hyp★ 136
paroliparoli 是一个基于 Piper 的流式文本转语音（TTS）服务，专为边缘设备和嵌入式场景设计，尤其针对瑞芯微 RK3588 平台提供了可选的 NPU 加速★ 136
UnitSpeechUnitSpeech 是一个基于扩散模型的语音合成与声音转换开源项目，官方实现了同名论文《UnitSpeech: Speaker-adaptive Speech★ 135
MB-iSTFT-VITS2MB-iSTFT-VITS2 是一个基于 PyTorch 的语音合成（TTS）开源项目，它将 MB-iSTFT-VITS 的组件应用到 vits2_pytorc★ 135
ariaaria 是一个本地运行的、无审查的 AI 实体项目，基于 Python 构建，集成了大型语言模型（LLM）、语音合成（如 Kokoro TTS）和深度学习技术★ 134
SoundStorm-pytorchSoundStorm-pytorch 是 Google SoundStorm 论文的非官方 PyTorch 实现，旨在解决传统自回归语音合成速度慢的问题。它通过★ 131
BarkifyBarkify 是 Suno AI 推出的 Bark 文本转语音模型的非官方训练实现。Bark 是一个基于 Transformer 的生成式 TTS 模型，能够★ 131
RWKV_APPRWKV_APP 是一个基于 Flutter 构建的跨平台本地优先聊天应用，支持 Android、iOS、Windows、macOS 和 Linux。它旨在为 ★ 131
MiniMax-MCP-JSMiniMax-MCP-JS 是 MiniMax 官方的 JavaScript 版 Model Context Protocol (MCP) 实现，旨在将 Mi★ 130
text-to-speech这是一个 Capacitor 社区官方的文本转语音（TTS）插件，用于在 Capacitor 混合应用（支持 Android 和 iOS）中实现语音合成功能。它★ 130
AuxiliaryASRAuxiliaryASR 是一个面向语音转换和语音合成场景的辅助语音识别工具，核心解决文本与语音帧的自动对齐问题。它采用联合 CTC 和基于序列到序列（S2S）★ 130
libratorylibratory 是一个自托管的电子书与有声书实验室，把用户自己拥有的 PDF 转换成带章节标记的 M4B 有声书、跟读电子书和双语版本。它解决的核心问题是：★ 130
MagiCodecMagiCodec 是一个单层流式音频编解码模型，旨在提供当前最优的音频质量，并生成离散 token，以提升下游模型的可建模性。它解决传统音频编解码器多层设计导★ 129
Dia-Finetuning-Vietnamese这是一个面向越南语的TTS（文本转语音）微调项目，基于Dia框架实现。它解决了越南语语音合成中缺乏高质量微调方案的问题，核心能力包括使用Dia进行语音克隆和微调★ 128
Qwen3-TTS-EasyFinetuningQwen3-TTS-EasyFinetuning 是一个面向 Qwen3-TTS 模型的简易微调工具，旨在让开发者快速实现声音克隆和多语言高质量语音合成。它解决★ 128
ubisoft-laforge-daft-exprtDaft-Exprt 是育碧旗下 La Forge 团队开源的一个跨说话人韵律迁移工具，用于 expressive speech synthesis（表现力语音★ 127
Asterics-AACAsterics-AAC 是一款免费、易用的辅助沟通（AAC）应用，专为有语言障碍的用户设计，帮助他们通过文字、符号或语音与他人交流。它解决了传统沟通辅助工具昂★ 127
openclaw-voiceopenclaw-voice 是一个开源的、基于浏览器的语音聊天解决方案，专为 AI 助手设计。它解决了 AI 助手缺乏语音交互能力的问题，让用户可以通过语音与★ 126
utsuwaUtsuwa 是一个开源的 AI 虚拟伴侣平台，旨在作为 Grok Companion 的替代品。它允许用户创建并拥有一个虚拟 AI 伴侣（waifu），该伴侣★ 125
utsuwautsuwa 是一个开源的虚拟 AI 伴侣平台，定位为 Grok Companion 的替代方案。它让你创建一个会随对话不断学习和成长的虚拟角色（AI waif★ 125
obsidian-ttsobsidian-tts 是一个为 Obsidian 笔记软件开发的文本转语音插件，让你直接“听”笔记内容。它解决了在阅读长笔记、复习知识点或进行多任务处理时眼★ 123
edittsEdiTTS 是 INTERSPEECH 2022 论文的官方实现，基于分数生成模型（score-based）实现可控的文本到语音（TTS）编辑。它解决的是传统★ 122
Avocodo-pytorchAvocodo-pytorch 是 Avocodo 声码器的 PyTorch 实现。Avocodo 是一种基于生成对抗网络（GAN）的声码器，旨在从声学特征（如★ 122
vits-mandarin-biaobei这是一个基于 VITS 模型的中文语音合成项目，专门针对普通话 TTS 场景。它利用 Biaobei 数据集训练模型，将文本转换为自然流畅的语音。项目解决了 V★ 121
tiktok-ttstiktok-tts 是一个基于 Node.js 的轻量级文本转语音工具，通过封装 TikTok 的 TTS API，让开发者能够快速生成语音文件。它解决了开发★ 120
voicehubVoiceHub 是一个为文本转语音（TTS）模型提供统一推理接口的开源工具。它解决了 TTS 模型生态碎片化的问题，让开发者无需深入理解每个模型的特定 API★ 120
qwen3-ttsqwen3-tts 是一个纯 C 语言实现的 Qwen3-TTS 文本转语音推理引擎，旨在摆脱 Python 和 PyTorch 的依赖，仅用 C 和 BLAS★ 120
sub-to-audiosub-to-audio 是一个将字幕文件转换为音频的工具，它利用 Coqui-ai TTS 引擎，根据字幕文件中的时间轴和文本内容，自动生成与字幕同步的语音音★ 119
phoenix10.1phoenix10.1 是一个基于 Python 的个人电台生成工具，核心功能是利用文本转语音技术，将用户提供的文本内容转化为带有电台主持人风格的音频流，从而创★ 119
mlp-singerMLP Singer 是一个基于多层感知机（MLP）的韩语歌声合成（Singing Voice Synthesis）开源项目，对应论文发表于 IEEE MLSP★ 118
chatterbox-finetuningChatterbox 微调工具包，专为 Chatterbox TTS 和 TURBO 模型设计，支持 23 种语言，具备智能词汇扩展、离线预处理、自动 VAD ★ 118
fish-audio-hermesfish-audio-hermes 是 Fish Audio 官方为 Hermes Agent 打造的音频插件，把语音合成、语音识别、音色库、声音克隆和声音设计★ 118
reels-afreels-af 是一个基于 AI 多智能体系统的开源项目，旨在自动化生成病毒式传播的 Reels 和 TikTok 短视频。它解决了内容创作者在短视频制作中耗★ 117
J.A.R.V.I.SJ.A.R.V.I.S 是一个受钢铁侠启发的个人虚拟助手，用 Python 编写。它集成了自然语言处理、计算机视觉、人脸检测与识别、家庭自动化等技术，旨在通过语★ 117
Viral-Faceless-Shorts-Generator这是一个自动生成无脸YouTube Shorts视频的开源工具。它从Google Trends抓取热门话题，利用Gemini AI生成脚本，通过Coqui TT★ 117
GTranslateGTranslate 是一个 C# 编写的免费翻译 API 集合库，聚合了 Google、Bing、Microsoft 和 Yandex 四家主流翻译服务，并额★ 117
TacotronTacotron 是一个基于 PyTorch 实现的端到端文本转语音（TTS）系统，专注于长句语音合成的鲁棒性。它实现了位置相对注意力机制（Location-R★ 115
tts这是一个极简的文本转语音（TTS）演示工具，基于HTML5和原生JavaScript构建，后端使用PHP。它聚合了StreamElements和StreamLa★ 115
LamplineLampline 是一个可自托管的语音智能体平台，面向想把 Dialogflow CX 和 CX Agent Studio 上的对话机器人迁移到自有硬件的团队。★ 115
TTS-RVC-APITTS-RVC-API 是一个将 Coqui TTS 与 RVC（Retrieval-based Voice Conversion）结合的开源项目，旨在提供高质★ 114
MeloTTS.cppMeloTTS.cpp 是一个轻量级的纯 C++ 文本转语音（TTS）推理管线，基于 OpenVINO 运行时实现，支持多语言。它解决了在资源受限或需要低延迟的★ 113