tts 第 14 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 14 / 16 页）
MiniMax-AI.github.ioMiniMax-AI.github.io 是 MiniMax 公司的官方 GitHub Pages 页面，主要展示其文本转语音（TTS）相关的开源项目与资源。该★ 73
voice-dataset-creation这是一个面向语言保护与AI开发的社区主导型语音数据集创建工具，旨在帮助原住民社区和语言保护者收集、整理和发布符合数据主权原则的语音数据。项目解决了传统语音数据采★ 73
WG-WaveNetWG-WaveNet 是一个基于 Python 的实时高质量语音合成项目，其核心卖点是在没有 GPU 的条件下实现高保真语音生成。它通过改进 WaveNet 的★ 73
LPC_for_TTSLPC_for_TTS 是一个基于 Python 的线性预测系数（LPC）估计工具，专为语音合成（TTS）场景设计。它从梅尔频谱图中提取 LPC 系数，采用 L★ 73
DualCodecDualCodec 是一个面向语音和音频生成的低帧率神经音频编解码器，发表于 Interspeech 2025。它主要解决传统音频编解码器在生成式 AI 场景中★ 72
SynParaSpeechSynParaSpeech 是 ICASSP 2026 论文的官方开源仓库，专注于自动合成副语言（paralinguistic）数据集，用于语音生成和理解任务。★ 72
HanaVerseHanaVerse 是一个基于 Web 的交互式聊天界面，专为 Ollama 设计，通过 Live2D 技术呈现一个生动的 2D 动漫角色 Hana。它解决了传★ 72
leopard-chat-ui-teneoLeopard Chat UI 是一个基于 Vue 和 Vuetify 构建的 Teneo 聊天客户端界面，旨在为 Teneo 对话式 AI 平台提供一套可复用★ 72
Esp32-Ai-Voice-Assistant这是一个基于ESP32的免费AI语音助手项目，旨在帮助开发者用低成本硬件快速搭建自己的语音交互助手。它解决了在嵌入式设备上实现语音识别、大模型对话和语音合成的问★ 71
obs-squawkobs-squawk 是一个内置于 OBS Studio 的实时文本转语音（TTS）AI 引擎插件，采用 C++ 编写。它解决了在直播或录播场景中需要动态生成语★ 71
brasilttsBrasil TTS 是一个面向巴西葡萄牙语用户的文本转语音（TTS）工具集，主要服务于视力障碍人群，帮助其通过语音读取屏幕内容。该项目将文本转换为自然流畅的巴★ 71
kokoro-ruslankokoro-ruslan 是一个针对俄语优化的 Kokoro 语言模型训练脚本，基于 Ruslan 语料库。它解决了 Kokoro 多语言 TTS 模型在俄语★ 71
AutoVocoderAutoVocoder 是一个基于可微数字信号处理（DDSP）的语音波形快速生成工具。它从学习到的语音表示（如音高、响度等）出发，通过可微分的声码器直接合成高质★ 71
AudioMAE-pytorchAudioMAE-pytorch 是掩码自编码器（Masked Autoencoder）在音频领域的非官方 PyTorch 实现，基于论文《Masked Aut★ 71
ncnn-android-piperncnn-android-piper 是一个基于 ncnn 推理框架的本地神经网络语音合成（TTS）引擎，专为 Android 和 iOS 移动端设计。它解决了★ 70
awesome-TTS-Colab这是一个精选的TTS（文本转语音）和语音克隆模型资源列表，专门针对Google Colab环境优化。它汇集了多种开源语音合成项目，并提供了在Colab上直接运行★ 70
ComfyUI-XTTSComfyUI-XTTS 是一个为 ComfyUI 设计的自定义节点，集成了 Coqui AI 的 XTTS 文本转语音模块。它解决了在 ComfyUI 工作流★ 70
Turkish-Text-to-SpeechTurkish-Text-to-Speech 是一个面向土耳其语等低资源语言的文本转语音（TTS）开源项目。它采用 Fastpitch 模型从零开始训练声学特征★ 70
ppt_presenterppt_presenter 是一个将 PowerPoint 演示文稿转换为带有音频轨道的视频的工具，核心功能是利用文本转语音（TTS）合成技术，为每页幻灯片生成★ 70
elevenlabs这是一个非官方的 Go 语言客户端库，用于调用 ElevenLabs 的 API。它封装了文本转语音、语音转文本、音效生成和声音管理等功能，让 Go 开发者能够★ 69
mel-cepstral-distance这是一个用于计算两段语音或音频之间Mel倒谱距离（MCD）的Python库，MCD是语音合成与语音转换领域常用的客观质量评估指标。它基于Robert F. Ku★ 69
vasisualyVasisualy 是一个用 Python 编写的俄语语音助手，支持 GNU/Linux、Windows 和 Android 平台。它主要解决非英语用户在桌面和★ 69
lobe-chatLobe Chat 是一个开源、现代设计的 AI 聊天框架，旨在帮助用户快速搭建私有化的 ChatGPT 或 Claude 应用。它解决了直接使用商业 AI 服★ 69
WaveGrad2WaveGrad2 是谷歌大脑团队提出的 WaveGrad 2 模型的非官方 PyTorch 实现，专注于文本到语音（TTS）合成。它采用非自回归架构，通过迭代★ 68
clipboard-narratorclipboard-narrator 是一个基于 Godot 引擎开发的桌面工具，能将任意网页内容转换为有声书。它通过监听剪贴板变化，自动识别复制的文本，并使用★ 68
web-speech-recommended-voices这是一个为 Web Speech API 提供推荐语音列表的开源项目。它解决了开发者在不同浏览器和平台上使用语音合成（TTS）时，语音名称不一致、兼容性差、难以★ 68
kokoro-tts-addonkokoro-tts-addon 是一个面向浏览器的本地神经文本转语音（TTS）解决方案，旨在让网页应用无需联网即可获得高质量、富有表现力的语音合成能力。它基于★ 68
korean-voice-acting-engine这是一个本地优先的韩语配音引擎，专为Codex辅助训练、语音转换和音频审查设计。它解决了韩语语音合成与转换中依赖云端服务、数据隐私和定制化不足的问题。核心能力包★ 68
vibevoice-rsvibevoice-rs 是一个基于 Rust 的文本转语音（TTS）引擎，实现了 VibeVoice 的语音克隆与多说话人合成能力。它主要解决在资源受限或需要★ 68
quivr-whisperquivr-whisper 是一个将语音交互能力集成到 Quivr 个人知识库助手中的开源项目。它解决了用户无法通过自然语言语音与个人知识库对话的问题，使得用户★ 68
Kani-TTS-VieKani-TTS-Vie 是一个针对越南语的快速文本转语音（TTS）开源项目，模型参数量仅 370M，推理时间约 3 秒，主打轻量级和实时性。它基于深度学习技术★ 67
podcast_ttspodcast_tts 是一个用于生成播客和对话场景逼真语音的 Python 类库。它解决的是传统 TTS 合成语音机械感强、缺乏情感和对话韵律的问题，让开发者★ 67
coqui_tts_korea这是一个基于 Coqui TTS 的韩语语音合成项目，使用 GlowTTS 和 Multiband MelGAN 模型实现高质量的韩语文本转语音。项目主要解决韩★ 66
Kokoro-82M-AndroidKokoro-82M-Android 是一个极简的 Android 演示应用，旨在展示 Kokoro-TTS 在移动端的运行能力。它基于 Kokoro-ONNX★ 66
piper-rspiper-rs 是一个用 Rust 编写的 Piper 文本转语音（TTS）模型推理库。它解决了在 Rust 生态中缺少高质量、离线可用的神经网络语音合成方案★ 66
kokorodokikokorodoki 是一个基于 Kokoro TTS 模型的自然语音合成应用，旨在提供快速、实时且灵活的文本转语音能力。它解决了传统 TTS 系统音质生硬、延★ 65
OtosakuTTS-iOSOtosakuTTS-iOS 是一个基于 Swift 的离线文本转语音（TTS）库，专为 iOS 和 macOS 平台设计。它利用 CoreML 优化的 Fas★ 65
piper-appPiper-app 是 Piper 文本转语音引擎的 iOS 和 macOS 原生移植版，基于 Swift 开发，将原本面向 Linux 的 Piper TTS★ 65
aafactory-prototypeAI Avatar Factory 是一个用于创建和管理 AI 虚拟形象（Avatar）的早期原型项目，基于 Python 构建。它主要解决的是从零开始搭建 A★ 65
vibevoice-studioVibeVoice Studio 是一个基于 Python 和 FastAPI 构建的语音克隆与文本转语音（TTS）应用。它允许用户录制或上传音频来训练个性化语★ 64
voicesvoices 是一个面向 macOS 的命令行工具，用于管理系统的文本转语音（TTS）功能。它主要解决用户在 macOS 上切换默认语音、查看语音信息以及用多种★ 64
UniCATS-CTX-txt2vecUniCATS-CTX-txt2vec 是 AAAI 2024 论文中 UniCATS 语音合成系统的声学模型组件，基于 VQ-Diffusion 架构，将文本★ 64
ComfyUI-Maya1_TTSComfyUI-Maya1_TTS 是一个 ComfyUI 自定义节点，用于集成 Maya1 语音合成模型。Maya1 是一个 3B 参数规模的语音模型，专注于★ 64
ClawCodeClawCode 是一个为 Claude Code 设计的持久化代理插件，它不是一个独立的运行框架，而是直接集成到 Claude Code 中，赋予其长期记忆、★ 64
EasyMrcpEasyMrcp 是一个基于 Java 的语音识别（ASR）与语音合成（TTS）集成工具，旨在简化开发者对接多种语音服务的过程。它最初基于 MRCP 协议，但 ★ 64
ComfyUI-Step_Audio_EditX_TTSComfyUI-Step_Audio_EditX_TTS 是一个为 ComfyUI 开发的音频处理节点插件，集成了 Step Audio EditX 模型，提供★ 63
Voice-Privacy-Challenge-2020Voice-Privacy-Challenge-2020 是语音隐私挑战赛的官方基线方案，旨在解决语音数据中的说话人身份泄露问题。它通过说话人匿名化技术，在保留★ 63
reddituberedditube 是一个从 Reddit 帖子和评论生成视频的工具。它自动抓取 Reddit 上的热门帖子及评论，将其转换为适合 YouTube 等平台播放的★ 63
runandread-audiobook这是一个开源项目，旨在让用户在家就能制作高质量的AI配音有声书。它通过整合多种TTS模型（如Zonos、Kokoro-82M）和商业服务（如Deepgram、E★ 63
become-ceobecome-ceo 是一个基于 Discord 的 AI 高管团队机器人，内置 7 个专业化智能体，分别扮演工程、财务、市场、DevOps、法律、管理和参谋长★ 63