text-to-speech 第 9 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 9 / 14 页)

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★ 160STYLERSTYLER 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★ 159elevenlabslibelevenlabslib 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★ 159StyleTTS2StyleTTS2 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★ 158AIEVAIEV 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★ 157OmniDictateOmniDictate 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★ 157voice_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★ 156UnityChatGPTUnityChatGPT 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★ 155tg2obsidiantg2obsidian 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★ 155edge-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★ 155PitchExtractorPitchExtractor 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★ 153amazon-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,★ 151whisrswhisrs 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★ 151TTSizerTTSizer 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★ 149Tacotron2-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★ 148Comprehensive-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 ★ 147pyRobBotpyRobBot 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★ 146tts-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★ 146utsuwaUtsuwa 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★ 145utsuwautsuwa 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★ 145UnityTTSUnityTTS 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★ 144libratorylibratory 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:★ 143spokestack-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★ 142SpeakThatSpeakThat 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★ 142best-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★ 140SAPI4SAPI4 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★ 140LumaBrowserLumaBrowser 是一个本地优先的 AI 桌面应用,把 Chromium 浏览器与本地推理运行时打包在一起。它内置感知 GPU 的 llama.cpp 运★ 140joytanJoytan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★ 139Multi-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★ 139Verbify-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★ 139Vocal-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★ 138articulate.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★ 137paroliparoli 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★ 136ariaaria 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★ 136qwen3-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★ 136UnitSpeechUnitSpeech 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★ 135MB-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★ 135RWKV_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 ★ 135SoundStorm-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★ 131BarkifyBarkify 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★ 131MiniMax-MCP-JSMiniMax-MCP-JS 是 MiniMax 官方的 JavaScript 版 Model Context Protocol (MCP) 实现,旨在将 Mi★ 130text-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★ 130AuxiliaryASRAuxiliaryASR 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)★ 130MagiCodecMagiCodec 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★ 130Qwen3-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★ 130Asterics-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★ 129Dia-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★ 128ubisoft-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★ 128openclaw-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★ 127reels-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★ 124