tts 第 2 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 2 / 16 页）
MOSS-TTS-NanoMOSS-TTS-Nano 是 MOSI.AI 与 OpenMOSS 团队开源的多语言轻量级语音合成模型，参数量仅 0.1B，专为实时语音生成设计。它解决了传统★ 4,518
MOSS-TTSMOSS-TTS 是由 MOSI.AI 和 OpenMOSS 团队开发的开源语音与声音生成模型家族，专注于高保真、高表现力及复杂真实场景的语音合成。它解决了传统★ 4,231
metavoice-srcMetaVoice 是一个基于深度学习的情感语音合成基础模型，专注于生成高度自然、富有表现力的语音。它解决了传统 TTS 系统声音机械、缺乏情感和个性化的问题，★ 4,204
TensorFlowTTSTensorFlowTTS 是一个基于 TensorFlow 2 的实时语音合成工具包，旨在提供最先进的语音合成能力。它解决了从文本到语音（TTS）的完整流程问★ 3,997
ApplioApplio 是一个专注于易用性和性能的语音转换工具，基于 PyTorch 实现，支持实时语音到语音转换（VC）、语音克隆和文本到语音（TTS）。它解决了传统语★ 3,858
Streamer-SalesStreamer-Sales 是一个开源的卖货主播大模型，旨在根据商品特点自动生成激发用户购买意愿的解说内容。它解决了电商直播中内容创作成本高、个性化不足的问题★ 3,793
audio.cppaudio.cpp 是一个基于 ggml 的纯 C++ 音频模型推理引擎，旨在为音频 AI 应用提供一体化、高性能的本地推理解决方案。它解决了传统音频 AI 工★ 3,655
TTS-WebUITTS-WebUI 是一个集成了多种主流语音与音频生成模型的一站式 Web 界面，基于 Gradio 和 React 构建。它解决了用户在不同 TTS、语音克隆★ 3,291
awesome-speech-recognition-speech-synthesis-papers这是一个收录语音识别与语音合成领域经典论文的精选列表，涵盖自动语音识别（ASR）、说话人验证、语音合成、文本转语音（TTS）、语言建模、歌声合成（SVS）和声音★ 3,131
GPAGPA（General Purpose Audio）是一个基于Transformer的通用音频模型，由AutoArk团队开发，旨在用单一小型模型同时实现自动语音★ 3,098
tacotronTacotron 是一个基于 TensorFlow 的非官方实现，复现了 Google 的 Tacotron 语音合成模型，并提供了预训练模型。该项目旨在将文本★ 2,998
vall-eVALL-E 是一个基于 PyTorch 的非官方实现，源自微软提出的神经编解码语言模型，用于零样本文本到语音合成。它解决了传统 TTS 系统需要大量特定说话人★ 2,970
openctpopenctp 是一个开源项目，旨在为量化交易开发者提供统一的 CTPAPI 兼容接口，解决不同柜台系统接口不兼容的问题。它通过封装中泰证券 XTP、华鑫证券奇★ 2,968
VieNeu-TTSVieNeu-TTS 是一个专注于越南语的端侧实时文本转语音（TTS）引擎，支持即时声音克隆，无需云端依赖即可在本地 CPU 上运行，输出 24kHz 高质量音★ 2,900
aeneasaeneas 是一个用 Python/C 编写的开源工具集，用于自动将音频与文本进行强制对齐，即自动生成音频中每个单词或句子对应的时间戳。它解决了人工手动标注音★ 2,872
lingvoLingvo 是 Google 开源的深度学习框架，专注于序列建模任务，尤其擅长语音识别、机器翻译和语言模型。它基于 TensorFlow 构建，提供了一套模块★ 2,866
ReadAnyReadAny 是一款基于 AI 的跨平台电子书阅读器，支持 EPUB 等格式，内置语义搜索、RAG 聊天、本地向量存储、笔记、TTS 朗读和 WebDAV 同★ 2,836
kokoro-onnxkokoro-onnx 是一个基于 ONNX Runtime 的轻量级文本转语音（TTS）工具，旨在将 Kokoro 模型高效地部署到生产环境。它解决了传统 T★ 2,794
Stable-Diffusion这是一个聚焦Stable Diffusion生态的中文教程与资源聚合项目，旨在帮助用户从零开始掌握AI图像生成技术。项目覆盖了FLUX、SDXL、SD3等主流模★ 2,782
gTTSgTTS 是一个 Python 库和命令行工具，用于调用 Google Translate 的文本转语音 API，将文本转换为 MP3 音频。它解决了开发者快速★ 2,637
anything2explaineranything2explainer 是一个 Claude Code / Codex 技能，输入任意主题，输出带旁白解说的科普视频。它用 Remotion 在代★ 2,625
polyglotPolyglot 是一款跨平台的 AI 语言练习应用，基于 Electron 和 TypeScript 构建，利用 OpenAI 的 GPT 模型和 Azure★ 2,591
maryttsMARY TTS 是一个用纯 Java 编写的开源多语言文本转语音合成系统。它解决了开发者需要将文本转换为自然语音但缺乏跨平台、可扩展 TTS 引擎的问题。核心★ 2,582
uzuuzu 是一个用 Rust 编写的高性能 AI 模型推理引擎，专注于音频和音乐相关的模型部署。它解决了在本地设备上高效运行 AI 模型（尤其是 TTS 等音频模★ 2,450
hifi-ganHiFi-GAN 是一个基于生成对抗网络的高保真语音合成声码器，由韩国首尔大学团队开发。它解决了传统神经声码器（如 WaveNet）推理速度慢、难以实时部署的问★ 2,377
vox-directorvox-director 是一个自动化生成 Vox 风格纸板拼贴解说视频的开源项目。它接受一个主题，通过 Atlas Cloud 和 ffmpeg 完成从脚本撰★ 2,356
easyVoiceeasyVoice 是一款开源的文本转语音工具，基于微软 Edge TTS 引擎构建，使用 TypeScript 开发。它主要解决传统 TTS 工具对超长文本支★ 2,343
vall-eVALL-E 是一个基于 PyTorch 的零样本文本转语音（TTS）实现，源自微软提出的神经编解码语言模型。它利用大规模语言模型的思路，将语音离散化为音频编解★ 2,221
IMS-ToucanIMS-Toucan 是一个基于 PyTorch 的可控且快速的文本转语音（TTS）工具包，声称支持超过 7000 种语言。它旨在解决多语言语音合成中音色、情感★ 2,210
WaveRNNWaveRNN 是一个基于 PyTorch 的神经声码器与语音合成（TTS）项目，由 fatchord 开发。它实现了 WaveRNN 模型，能够将频谱特征（如★ 2,191
openai-edge-ttsopenai-edge-tts 是一个免费、高质量的文本转语音（TTS）API 端点，旨在作为 OpenAI、Azure 或 ElevenLabs 等付费 TT★ 2,131
epub_to_audiobookepub_to_audiobook 是一个将 EPUB 电子书转换为有声书的开源工具，专为 Audiobookshelf 优化，并内置 WebUI。它解决了用户★ 2,077
ElatoAIElatoAI 是一个面向硬件开发者的实时语音 AI 框架，专注于在 Arduino ESP32 等低功耗微控制器上运行 100 多种语音模型。它解决了传统 A★ 2,066
deepvoice3_pytorchdeepvoice3_pytorch 是百度 Deep Voice 3 文本转语音（TTS）模型的 PyTorch 非官方实现。Deep Voice 3 是一种★ 1,977
YandexStationYandexStation 是一个 Home Assistant 集成组件，用于在智能家居平台中管理和控制 Yandex 智能音箱（如 Yandex Stati★ 1,955
kokoro-ttskokoro-tts 是一个基于 Kokoro 模型的命令行文本转语音工具，主要解决用户快速将文本、电子书（EPUB）和 PDF 文档转换为高质量语音的需求。它★ 1,949
DotDot 是一个完全本地化的 AI 音频工具集，专注于文本转语音（TTS）、检索增强生成（RAG）和大语言模型（LLM）的整合。它解决了用户对数据隐私和离线使用的★ 1,916
VideoClawVideoClaw 是一个基于多智能体系统的 AI 视频生成工具，旨在将用户的一句话创意自动转化为完整影片。它解决了传统视频制作流程繁琐、门槛高的问题，通过集成★ 1,870
comfyui-mixlab-nodesMixlab Nodes 是一个 ComfyUI 的扩展节点包，旨在将 ComfyUI 从专业工作流工具升级为更易用的应用平台。它解决了 ComfyUI 原生界★ 1,865
RHVoiceRHVoice 是一款免费开源的语音合成器，主要面向俄语及其他多种语言。它解决的是文本转语音（TTS）的需求，尤其擅长俄语，同时支持英语、巴西葡萄牙语、世界语、★ 1,850
tacotronTacotron 是一个基于 TensorFlow 实现的端到端文本转语音（TTS）模型，源自谷歌的论文《Tacotron: A Fully End-to-En★ 1,835
Genie-TTSGenie-TTS 是一个专注于 GPT-SoVITS 模型的 ONNX 推理引擎与模型转换工具。它解决了 GPT-SoVITS 模型在部署和推理时依赖复杂 P★ 1,811
bailing百聆是一个类似GPT-4o的语音对话机器人，通过ASR（语音识别）+LLM（大语言模型）+TTS（语音合成）技术栈实现，集成DeepSeek R1等优秀大模型，★ 1,785
Auto-Synced-Translated-DubsAuto-Synced-Translated-Dubs 是一个自动视频配音翻译工具，它基于字幕文件提取文本，通过 AI 翻译成目标语言，再利用 TTS 语音合成★ 1,752
yovoiceyovoice 是一款面向 macOS 和 Windows 的开源桌面语音创作工具，主打本地化文本转语音（TTS）、声音克隆与情感控制。它解决的核心问题是：主流★ 1,724
dsnotedsnote 是一款面向 Linux 桌面（也支持 Sailfish OS）的离线语音笔记应用，主打在无网络环境下完成语音转文字、文字转语音和机器翻译。它解决的★ 1,695
ava-whatsapp-agent-courseAva 是一个基于 WhatsApp 的 AI 代理项目，旨在将 WhatsApp 转变为智能助手平台。它解决了用户在日常沟通中无法直接利用 AI 完成复杂任务★ 1,681
ParallelWaveGANParallelWaveGAN 是一个基于 PyTorch 的非官方实现，集成了多种主流神经声码器，包括 Parallel WaveGAN、MelGAN、多频带★ 1,646
sopranoSoprano 是一个基于 Python 的文本转语音（TTS）开源项目，主打即时生成超逼真语音。它解决了传统 TTS 系统延迟高、音质机械感强的问题，通过先进★ 1,618
amicaAmica 是一个开源的 3D 角色交互界面，旨在让用户通过语音与虚拟角色进行自然对话。它解决了传统聊天机器人缺乏沉浸感和多模态交互的问题，将语音识别、语音合成★ 1,616