tts 第 11 页
本站收录 759 个带「tts」标签的 AI 开源项目（按 GitHub 星标从高到低，第 11 / 16 页）
zerolan-coreZerolanCore 是一个本地部署的 AI 模型集成框架，旨在将多种开源 AI 模型统一整合到一个可扩展的架构中。它解决的是 AI 模型碎片化、接口不统一、★ 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
phonikudphonikud 是一个面向希伯来语的文本到音素（grapheme-to-phoneme, G2P）转换工具，相关论文已被 INTERSPEECH 2026 接★ 119
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
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
Multi-Model-RVC-InferenceMulti-Model-RVC-Inference 是一个基于 Python 的语音转换推理工具，专注于 RVC（Retrieval-based Voice C★ 117
sea-g2psea-g2p 是一个用 Rust 编写的快速多语言文本到音素转换器，专注于东南亚语言，包括印尼语、泰语和越南语。它解决了 TTS（文本转语音）系统中，将文本准★ 116
speech_course这是一个面向语音技术学习者的深度学习课程项目，以 Jupyter Notebook 形式呈现，覆盖自动语音识别（ASR）、说话人识别、关键词唤醒、文本转语音（T★ 116
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
echo-speaksecho-speaks 是一个将 Amazon Echo 设备集成到 Hubitat 智能家居平台的开源项目。它通过创建虚拟 Echo 设备，让用户能够在 Hu★ 114
edge-tts-webuiedge-tts-webui 是一个基于微软 Edge 浏览器在线语音合成服务（edge-tts）的图形化界面工具。它解决了命令行使用 edge-tts 门槛高★ 114
Speech-Corpus-CollectionSpeech-Corpus-Collection 是一个收集语音语料库的仓库，旨在为语音识别（ASR）和语音合成（TTS）研究提供一站式资源索引。它整理了多种公★ 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
speakerspeaker 是一个 PHP 库，用于将文本转换为语音（TTS），支持多种网络语音合成服务。它解决了 PHP 开发者需要快速集成文本朗读功能但不想直接对接不同★ 113
Fre-GAN-pytorchFre-GAN-pytorch 是 Fre-GAN 论文的 PyTorch 非官方实现，Fre-GAN 是一种基于对抗生成网络的音频合成声码器，旨在解决传统声码★ 113
tts-samples这是一个提供文本转语音（TTS）音频样本的仓库，所有样本均为MP3格式，覆盖多种语言，由微软Edge TTS引擎生成。项目主要解决开发者在选择或测试TTS服务时★ 113
TTSAudioNormalizerTTSAudioNormalizer 是一个面向语音合成（TTS）数据生产的专用音频响度分析与归一化工具。它解决的核心问题是：在构建 TTS 数据集时，不同来源★ 113
ZeroSpeech-TTS-without-T这是一个基于PyTorch的ZeroSpeech 2019挑战赛实现，旨在解决无文本标注的语音合成（TTS-without-T）问题。传统TTS需要文本转录作为★ 112
IchiIchi 是一个实验性的开源项目，旨在探索如何在 Apple 平台（iOS、macOS、visionOS）上集成对话式 AI 能力。它主要解决开发者在原生应用中★ 112
ermerm 是一个本地运行的命令行工具，专门用于去除英语口语录音中的非流利停顿词（如 um、uh、er、erm、ah、hmm 等）。它解决的是播客、访谈、演讲等场景★ 112
CapCut-TTSCapCut-TTS 是一个基于 TypeScript 开发的轻量级 API 封装工具，旨在将剪映（CapCut）内置的文本转语音（TTS）能力以免费、便捷的接★ 112
PyThaiTTSPyThaiTTS 是一个开源的泰语文本转语音（TTS）库，基于 Python 构建，旨在为开发者提供简单易用的泰语语音合成能力。它解决了泰语 TTS 工具稀缺★ 112
HebTTSHebTTS 是论文《A Language Modeling Approach to Diacritic-Free Hebrew TTS》的官方实现，旨在解决希★ 112
fish-speech.rsfish-speech.rs 是一个基于 Rust 和 Candle.rs 框架实现的 Fish Speech 文本转语音（TTS）引擎。它解决了在非 Pyth★ 112
vtbaivtbai 是一个面向虚拟主播（VTB）的 AI 直播辅助工具，主要解决 B 站直播中虚拟形象无法智能互动的问题。它基于 ChatGPT 后端，将观众弹幕转化为★ 112
My-AppDaemonMy-AppDaemon 是一个围绕 Home Assistant 的 AppDaemon 自动化框架的辅助项目，主要提供作者自己编写的应用示例、帮助文档和配置★ 112
wavegrad2WaveGrad2 是一个非官方的 PyTorch 实现，基于 Google 提出的 WaveGrad 2 模型，用于高质量语音合成。它解决的是文本到语音（TT★ 111
conversifyconversify 是一个基于 LiveKit 和本地大语言模型（LLM）构建的实时、低延迟 AI 助手，支持语音、视觉和对话记忆功能。它解决了传统语音助手响★ 111
com.rest.elevenlabs这是一个非官方的 Eleven Labs 语音合成 Unity 客户端，以 UPM 包形式分发，方便 Unity 开发者集成高质量的 AI 语音合成能力。它封装★ 109
baize-toolbox白泽工具箱（baize-toolbox）是一款基于 Electron 和 FFmpeg 构建的跨平台多媒体处理工具，主要面向音频和视频的日常处理需求。它解决了普★ 109
speech-tts-cors这是一个基于百度语音合成API的跨域演示项目及轻量级支持库。它解决了浏览器直接调用百度TTS接口时遇到的CORS跨域限制问题，通过封装请求逻辑，让前端开发者能够★ 108
NoveLANoveLA 是一款免费的安卓网络小说阅读器，专注于轻小说和 EPUB 格式，支持 25+ 内容源，内置 Google/Gemini 翻译、TTS 朗读、离线阅★ 107
ebook2audiobookpiper-ttsebook2audiobookpiper-tts 是一个将电子书转换为有声书的开源工具，核心基于 Piper TTS 引擎，支持多种语言。它解决了传统 TTS ★ 107
NeuroSandboxWebUINeuroSandboxWebUI 是一个本地运行的神经网络模型 WebUI，基于 Python 和 Gradio 构建，支持文本、图像、视频、3D 和音频等多★ 106
unspeechunspeech 是一个用 Go 编写的自托管文本转语音（TTS）服务聚合工具，旨在将多种 TTS 服务统一到一个 API 下。它解决了开发者在集成不同 TTS★ 106
Kokoro-TTS-windowsKokoro-TTS-windows 是一个面向 Windows 平台的 Kokoro 文本转语音（TTS）工具，主打零配置、开箱即用。用户只需下载并解压压缩包★ 106
WillFromAfarDownloaderWillFromAfarDownloader 是一个针对 acapellabox 网站的音乐下载工具，以 C# 编写。它解决的问题是帮助用户从 acapella★ 106
simple-obs-sttsimple-obs-stt 是一个为 OBS 直播和录播场景设计的实时字幕工具，它通过语音识别（STT）将麦克风或系统音频中的语音转换为文字，并直接以字幕或键★ 106
huobao-drama-aihuobao-drama-ai 是一个基于 Next.js 16 全栈构建的 AI 短剧创作平台，旨在解决短剧制作流程繁琐、工具分散的问题。它提供从剧本创作到成★ 104
LEMAS-TTSLEMAS-TTS 是一个多语言零样本文本转语音系统，支持中文、英语、西班牙语、俄语、法语、德语、意大利语、葡萄牙语、印尼语和越南语共10种语言。它解决的是传统★ 103
DeepstoryDeepstory 是一个将文本或生成文本转化为视频的开源工具，核心功能是让角色以指定声音朗读故事并配合动画口型。它结合了 GPT-2 文本生成、DC-TTS ★ 103
jargojargo 是一个基于 Go 语言、以 WebRTC 原生和音频优先的对话式 AI 框架。它解决了在实时语音交互场景中，开发者难以快速集成语音识别（STT）、语★ 102
TTS-Mod-VaultTTS-Mod-Vault 是一款跨平台的桌游模拟器（Tabletop Simulator）模组备份与下载工具，旨在替代老旧的 TTS Mod Backup。它★ 102
smart-customer-service-system这是一个基于大模型构建的智能客服系统，旨在解决传统客服响应慢、知识更新难、无法处理动态业务等问题。系统支持静态知识问答（基于预设文档）、动态知识问答（通过数据库★ 102
gptspeakergptspeaker 是一个基于 Python 的语音助手项目，旨在通过 Raspberry Pi 或桌面电脑实现与 OpenAI 或 DeepSeek 大语言★ 101
AstraTTSAstraTTS 是一个基于 ONNX Runtime 的跨平台高性能文本转语音（TTS）合成方案，主要面向需要低延迟、流式输出的应用场景。它解决了传统 TTS★ 101
XnneHangLabXnneHangLab 是一个用 Python 构建的、面向二次元虚拟角色（waifus）的 AI 交互框架，旨在通过代码为虚拟角色“绘心”，即赋予其听觉、语音★ 101