tts 第 3 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 3 / 16 页）
nobodywhoNobodyWho 是一个用 Rust 编写的本地 LLM 推理引擎，旨在让任何设备都能高效运行大语言模型。它解决了在资源受限设备（如手机、嵌入式设备）上部署 ★ 1,584
VibeVoice-ComfyUIVibeVoice-ComfyUI 是一个将微软 VibeVoice 文本转语音模型集成到 ComfyUI 的自定义节点，让用户能在 ComfyUI 的可视化工★ 1,569
sglang-omniSGLang-Omni 是一个基于 SGLang 的高性能多模态推理服务框架，专注于语音相关模型（TTS、ASR）及全模态（omni）模型的部署。它解决了传统语★ 1,562
dicio-androidDicio 是一款开源的 Android 语音助手应用，完全本地化运行，无需云端服务。它解决了用户对隐私敏感、可高度定制的语音助手需求，核心能力包括离线语音识别★ 1,517
Chatterbox-TTS-ServerChatterbox-TTS-Server 是一个自托管的文本转语音（TTS）服务，基于强大的 Chatterbox 模型。它解决了用户需要灵活、可扩展的语音合★ 1,478
Irodori-TTSIrodori-TTS 是一个基于 Flow Matching 的文本转语音（TTS）模型，特色在于通过表情符号（emoji）驱动风格控制。它解决了传统 TTS★ 1,456
BrowserAIBrowserAI 是一个基于 WebGPU 的浏览器端本地 AI 推理引擎，支持在浏览器中直接运行 llama、deepseek-distill、kokoro★ 1,450
Voice-Cloning-AppVoice-Cloning-App 是一个基于 Python 和 PyTorch 的开源语音克隆工具，旨在让用户通过简单的操作合成逼真的人声。它解决了传统语音合★ 1,437
OuteTTSOuteTTS 是一个为 OuteTTS 模型设计的统一接口，旨在简化文本到语音（TTS）模型的加载、推理和集成流程。它基于 Python 构建，底层依赖 ll★ 1,436
Speech-AI-ForgeSpeech-AI-Forge 是一个围绕 TTS（文本转语音）生成模型构建的开源项目，提供 API 服务器和基于 Gradio 的 WebUI。它整合了多种主★ 1,421
SoniTranslateSoniTranslate 是一个开源的视频同步翻译与配音工具，专注于将视频中的语音自动翻译成其他语言，并生成与画面同步的配音。它解决了视频内容跨语言传播时人工★ 1,420
sokujisokuji 是一款面向双语会议场景的实时双向语音翻译工具，支持自动检测说话语言并双向翻译，可运行于云端或完全离线的本地设备。它提供桌面应用（Windows/m★ 1,414
voicemodevoicemode 是一个让开发者通过自然语音与 Claude Code 进行对话的开源工具。它解决了在编码过程中频繁切换键盘输入与思考的问题，允许开发者直接说★ 1,410
open-speech-corpora这是一个收录可公开获取的语音语料库的清单项目，旨在为语音技术研究与开发提供资源导航。它系统整理了用于自动语音识别（ASR）、语音合成（TTS）、语音情感识别、语★ 1,409
voicefixerVoiceFixer 是一个基于深度学习的通用语音修复工具，旨在恢复受损的语音信号，使其更清晰、更自然。它能够处理多种类型的语音退化，包括背景噪声、混响、削波（★ 1,391
xiaozhi-esp32-server-java小智ESP32的Java企业级管理平台，为基于ESP32的智能语音设备提供一站式后端服务。它解决了小智AI设备在设备管理、音色定制、角色切换和对话记录管理方面的★ 1,381
Matcha-TTSMatcha-TTS 是一个基于条件流匹配（Conditional Flow Matching）的快速文本转语音（TTS）架构，发表于 ICASSP 2024。★ 1,369
edge-TTS-recordedge-TTS-record 是一个面向 Windows 平台的轻量级工具，用于录制 Microsoft Edge 浏览器内置的语音合成（TTS）输出，并保存★ 1,367
MouseTooltipTranslatorMouseTooltipTranslator 是一款功能强大的浏览器扩展，旨在解决多语言阅读和翻译的痛点。它允许用户通过鼠标悬停或划词，在任何网页、PDF、EP★ 1,355
VideoChatVideoChat 是一个基于 Python 的实时交互数字人开源项目，旨在解决传统数字人开发门槛高、交互延迟大的问题。它允许用户自定义数字人的形象和音色，并支★ 1,322
my-translatormy-translator 是一款基于 Tauri 的桌面实时语音翻译工具，支持 macOS 和 Windows。它解决的是跨语言实时沟通中的延迟和隐私问题，无★ 1,302
StreamSpeechStreamSpeech 是一个“一体化”的无缝语音模型，同时支持离线与同声传译场景下的语音识别（ASR）、语音翻译和语音合成。它解决了传统级联系统延迟高、错误★ 1,294
audio-webuiaudio-webui 是一个面向音频相关神经网络的统一 Web 界面，旨在解决音频 AI 工具分散、使用门槛高的问题。它集成了多种主流音频生成与处理模型，如 ★ 1,242
speech-swiftspeech-swift 是一个专为 Apple Silicon 设备打造的 AI 语音工具包，基于 MLX 和 CoreML 框架，提供端侧语音识别（ASR）★ 1,241
TTS-Audio-SuiteTTS-Audio-Suite 是一个 ComfyUI 自定义节点集成包，旨在为本地多引擎、多语言的文本转语音（TTS）和语音转换（VC）提供一站式解决方案。它★ 1,238
vits_chinesevits_chinese 是一个基于 BERT 和 VITS 的中文语音合成（TTS）最佳实践项目，融合了微软自然语音的某些特性，并支持 ONNX 流式输出。它★ 1,231
ekhoekho是一个开源的文字转语音（TTS）引擎，专注于中文（普通话、粤语）及藏语等东方语言的语音合成。它解决了现有TTS引擎对中文方言和少数民族语言支持不足的问题★ 1,216
XZVoiceXZVoice是一款免费开源的文本转语音（TTS）桌面软件，基于Electron和Vue构建，旨在为用户提供便捷、高质量的语音合成能力。它解决了传统TTS工具要★ 1,163
TransformerTTSTransformerTTS 是一个基于非自回归 Transformer 架构的文本转语音（TTS）开源实现，由 Axel Springer AI 团队开发。它★ 1,162
dc_ttsdc_tts 是一个基于 TensorFlow 实现的端到端文本转语音（TTS）模型，源自论文“Efficiently Trainable Text-to-Sp★ 1,160
Irene-Voice-AssistantIrene-Voice-Assistant 是一个用 Python 编写的俄语离线语音助手，名为伊琳娜。它旨在解决用户在无网络环境下使用语音交互的需求，核心能力★ 1,159
movie-narratormovie-narrator 是一个基于 Python 的开源工具，目标是用一条提示词自动生成带解说的电影解说视频。它把原本需要人工完成的多个环节串联成流水线：★ 1,151
DragonianVoiceDragonianVoice 是一个基于 C++ 的歌声转换（SVC）和语音合成（TTS）推理库，旨在为生产环境提供高性能、低延迟的模型部署方案。它集成了多种主★ 1,131
AI-Waifu-VtuberAI-Waifu-Vtuber 是一个面向直播场景的开源虚拟主播解决方案，旨在让创作者通过 AI 驱动的二次元角色在 YouTube 或 Twitch 上实时互★ 1,119
alexandria-audiobookAlexandria 是一个基于 AI 的多角色有声书生成器，解决传统 TTS 只能单一音色、缺乏情感和角色区分的问题。它利用 LLM 对书籍文本进行脚本标注，★ 1,073
overlay-translatoroverlay-translator 是一款无需 ROOT 的 Android 屏幕实时翻译工具，专为游戏、视觉小说和漫画场景设计。它通过屏幕叠加层捕获文字区域★ 1,071
GLM-TTSGLM-TTS 是一个基于多奖励强化学习的零样本语音合成（TTS）项目，由智谱AI推出。它解决的核心问题是传统TTS在语音克隆和情感表达上的不足，能够仅凭几秒参★ 1,065
ms-ra-forwarderms-ra-forwarder 是一个基于 TypeScript 开发的免费在线文本转语音（TTS）API 服务。它通过转发微软 Edge 浏览器内置的神经网络★ 1,061
QuickPiperAudiobookQuickPiperAudiobook 是一个用 Go 编写的命令行工具，旨在将多种格式的电子书（如 EPUB、MOBI、TXT、PDF、HTML 等）一键转换★ 1,059
YourTTSYourTTS 是一个面向所有人的零样本多说话人文本转语音（TTS）和零样本语音转换（VC）开源项目。它基于 VITS 架构，通过引入说话人编码器，能够在训练时★ 1,052
vits-simple-apivits-simple-api 是一个基于 Python 的轻量级 VITS 语音合成 HTTP 接口服务，通过扩展 Moegoe 项目实现。它解决了 VITS★ 1,051
Cognitive-Speech-TTS这是微软官方提供的文本转语音（TTS）示例代码集，涵盖多种编程语言，属于Azure认知服务的一部分。它主要解决开发者快速接入微软神经TTS能力的问题，包括标准语★ 1,016
NATSpeechNATSpeech 是一个非自回归语音合成（NAR-TTS）框架，基于 PyTorch 实现，集成了 PortaSpeech（NeurIPS 2021）和 Di★ 1,004
lobe-vidolLobe Vidol 是一个让每个人都能轻松创建和使用虚拟偶像的开源框架。它解决了虚拟偶像制作门槛高、技术复杂的问题，将 3D 模型渲染、语音合成（TTS）、大★ 994
Step-Audio-EditXStep-Audio-EditX 是一个基于 3B 参数大语言模型和强化学习的音频编辑模型，专注于情感、说话风格和副语言特征的精细编辑，同时具备强大的零样本语音★ 987
NaturalVoiceSAPIAdapterNaturalVoiceSAPIAdapter 是一个将微软 Azure 神经网络 TTS 声音桥接到 SAPI 5 接口的适配器。它解决了传统 SAPI 5 ★ 979
NISQANISQA是一个基于深度学习的非侵入式语音质量与TTS自然度评估工具。它解决了传统语音质量评估需要原始参考信号（侵入式）的问题，能够在无参考的情况下，仅凭待测语★ 978
athenaAthena 是一个基于序列到序列（seq2seq）架构的开源语音处理引擎，专注于语音识别（ASR）和语音合成（TTS）两大核心任务。它采用 C++ 实现，提供★ 965
audio-ai-hub音频 AI 研究一站式导航，系统汇集论文、开源模型、基准测试与数据集，覆盖音频大模型、语音识别、TTS、音乐与音频生成等领域，是音频 AI 研究者与工程师快速了★ 962
epub2ttsepub2tts 是一个将电子书（epub 或纯文本）转换为有声书的开源工具。它利用生成式 AI 文本转语音（TTS）技术，解决了传统有声书制作成本高、周期长的★ 962