tts 第 4 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 4 / 16 页）
SmartJavaAISmartJavaAI 是一个基于 Java 的免费离线 AI 算法工具箱，旨在为 Java 开发者提供开箱即用的 AI 能力，解决 Java 生态中缺乏易用 ★ 927
FireRedTTSFireRedTTS 是一个基于大语言模型（LLM）的开源语音合成（TTS）系统，旨在提供高质量、自然且可控的文本到语音生成能力。它结合了语言模型、扩散模型、流★ 924
mosecmosec 是一个高性能的机器学习模型服务框架，专注于解决模型部署中的吞吐量和资源利用率问题。它通过动态批处理（dynamic batching）和 CPU/G★ 902
xtts-webuixtts-webui 是一个为 Coqui XTTS 文本转语音模型打造的图形化界面工具，主要解决 XTTS 模型使用门槛高、微调流程复杂的问题。它基于 Pyt★ 900
diffwaveDiffWave 是一个基于扩散概率模型的神经声码器与波形合成器，由 Google Brain 团队提出，用于从梅尔频谱等条件特征高效生成高质量语音波形。它解决★ 886
pdf-to-podcastpdf-to-podcast 是一个将 PDF 文档自动转换为 AI 播客的开源工具。它解决了用户在通勤、运动等场景下无法高效阅读长文档的问题，通过解析 PDF★ 882
Easy-Voice-ToolkitEasy-Voice-Toolkit 是一个面向普通用户的 Python 语音工具箱，集成了语音识别（ASR）、语音转写、语音转换、语音去噪和说话人验证（VPR★ 871
bark.cppbark.cpp 是一个将 Suno AI 的 Bark 文本转语音模型用 C/C++ 重新实现的开源项目，基于 ggml 推理引擎，无需 Python 环境和★ 869
esp-aiesp-ai 是一个面向 ESP32/ESP8266 等嵌入式设备的极简 AI 接入方案，旨在以最低成本和最简单的方式让物联网硬件快速获得大语言模型（LLM）、★ 856
CloneTTSCloneTTS 是一个运行在 Android 本地的轻量级文字转语音（TTS）引擎，主打离线运行和系统级集成。它解决了传统云端 TTS 依赖网络、延迟高、隐私★ 850
Multilingual_Text_to_Speech这是一个基于 Tacotron 2 的多语言文本转语音（TTS）实现，专注于支持多语言实验，包括参数共享、语码切换和声音克隆。项目解决了单一语言 TTS 模型无★ 843
Confucius4-TTSConfucius4-TTS 是一个多语言与跨语言零样本语音合成引擎，基于 PyTorch 构建。它解决的核心问题是：在无需针对特定说话人进行微调的情况下，用极★ 843
KokorosKokoros 是一个用 Rust 语言实现的 Kokoro TTS 引擎，基于 Hugging Face 上的 Kokoro-82M 模型。它旨在提供极速、实★ 831
voxtral-mini-realtime-rs这是一个用 Rust 实现 Mistral Voxtral mini 实时语音识别（ASR）和语音合成（TTS）的开源项目，基于 Burn 机器学习框架，支持本★ 824
luelue 是一个运行在终端里的电子书阅读器，核心亮点是集成了高品质的文本转语音（TTS）功能，让用户能在命令行环境中获得类似有声书的阅读体验。它支持 EPUB、P★ 817
ZerolanLiveRobotZerolanLiveRobot 是一个基于 Python 的 AI 虚拟主播（VTuber）开源项目，旨在通过集成大语言模型（LLM）、语音识别（ASR）、语★ 817
TTS-Voice-WizardTTS-Voice-Wizard 是一个面向 VRChat 和 VTuber 的语音转文字再转语音（STTTS）工具。它解决的是虚拟形象无法实时显示说话内容、无★ 812
gitpodcastgitpodcast 是一个将任意 Git 仓库自动转化为播客音频的开源工具。它解决了开发者难以快速了解陌生代码库的问题，通过 AI 分析仓库内容，提取核心架构★ 811
lobe-ttsLobe TTS 是一个基于 TypeScript 的高质量、可靠的语音合成（TTS）与语音识别（STT）库，专为服务端和浏览器环境设计。它解决了开发者在集成语★ 807
mlx-audio-swiftmlx-audio-swift 是一个专为 Apple Silicon 设计的模块化 Swift 音频处理 SDK，基于 MLX 框架构建。它解决了在苹果生态中★ 802
MTransMTrans 是一个基于 Java 的多源翻译工具，旨在解决翻译质量参差不齐和单一引擎局限性的问题。它通过整合多个翻译服务（如 Google、Bing、Yand★ 802
vuiVui 是一个实时语音助手框架，基于 WebRTC 流式传输，集成了 faster-whisper 语音识别、本地 LLM（如 Qwen）和 Vui Nano ★ 774
dladla 是一个面向音频处理的深度学习开源项目，旨在为音频相关任务提供一套完整的解决方案。它涵盖了语音识别、说话人验证、关键词识别、语音合成、声音转换以及通用信号★ 772
cboardCboard 是一个基于浏览器的增强与替代沟通（AAC）系统，专为言语障碍人群（如自闭症、脑瘫等）设计。它通过图形符号和文字转语音（TTS）技术，帮助用户以点击★ 764
flutter_ttsflutter_tts 是一个 Flutter 文本转语音（TTS）插件，为 Flutter 应用提供跨平台的语音合成能力。它解决了 Flutter 生态中缺少★ 758
kokoro-webKokoro Web 是一个基于 Kokoro-82M 模型的开源 AI 文本转语音（TTS）项目，提供在线演示和自托管两种使用方式。它解决了开发者快速集成高质★ 757
MimikaStudioMimikaStudio 是一款面向 macOS（Apple Silicon）的本地优先应用，专注于音频书转换与管理，并集成了 Agentic MCP（模型上下★ 749
mlx-omni-servermlx-omni-server 是一个基于 Apple MLX 框架的本地推理服务器，专为 Apple Silicon（M 系列）芯片优化。它实现了与 Open★ 745
Thorsten-VoiceThorsten-Voice 是一个免费、离线可用的高质量德语文本转语音（TTS）语音项目。它旨在解决开发者在使用商业 TTS 服务时面临的许可限制和成本问题，★ 739
TTS-papersTTS-papers 是一个收集文本转语音（TTS）领域学术论文的仓库，旨在为研究人员和开发者提供系统性的论文列表。它解决了 TTS 领域文献分散、难以追踪最新★ 734
TextyMcSpeechyTextyMcSpeechy 是一个用于创建 Piper 文本转语音（TTS）模型的工具，旨在让用户轻松生成任意音色的语音模型。它解决了传统 TTS 模型训练门★ 721
glow-ttsglow-tts 是一个基于生成流（Generative Flow）的文本转语音（TTS）开源项目，由蒙特利尔大学等机构的研究者提出。它通过单调对齐搜索（Mon★ 717
Transformer-TTSTransformer-TTS 是一个基于 PyTorch 实现的文本转语音（TTS）项目，对应论文《Neural Speech Synthesis with ★ 695
whisper_androidwhisper_android 是一个将 OpenAI Whisper 语音识别模型移植到 Android 平台的开源项目，基于 TensorFlow Lite★ 694
chatterbox-tts-apiChatterbox TTS API 是一个本地部署的、兼容 OpenAI 接口的文本转语音服务，基于 Chatterbox 模型实现声音克隆。它解决了在本地或★ 690
voice-buildervoice-builder 是一个开源的文本转语音（TTS）语音构建工具，基于 JavaScript 开发，整合了 festvox、NLP 和语音合成技术。它旨★ 687
Automatic-Youtube-Reddit-Text-To-Speech-Video-Generator-and-Uploader这是一个由三个程序组成的自动化流水线工具，用于从Reddit自动抓取帖子作为视频脚本，用户可编辑后，通过文本转语音生成配音，并自动合成视频上传到YouTube。★ 681
UnrealGenAISupportUnrealGenAISupport 是一个为虚幻引擎（Unreal Engine）打造的插件，旨在将大语言模型（LLM）和生成式 AI 能力无缝集成到游戏开发★ 676
melganMelGAN 是一个基于生成对抗网络的声码器（vocoder），用于将梅尔频谱图（mel-spectrogram）转换为高质量语音波形。它解决了传统声码器（如 ★ 651
f5-tts-mlxf5-tts-mlx 是 F5-TTS 模型在 Apple MLX 框架上的实现，旨在让 TTS 模型在 Apple Silicon 芯片上高效运行。它解决了 ★ 649
vits2VITS2 是一个基于 PyTorch 的单阶段文本转语音（TTS）模型，旨在提升语音合成的质量和效率。它通过对抗学习和架构设计改进，解决了传统两阶段 TTS ★ 648
ttstts 是一个基于 TypeScript 编写的文本转语音服务，旨在提供简单、高效的语音合成能力。它解决了开发者快速集成 TTS 功能的需求，通过 HTTP 接★ 646
optimum-intelOptimum Intel 是 Hugging Face 与 Intel 合作推出的优化工具库，旨在通过 Intel 的 OpenVINO 等工具加速 Tran★ 624
AuralisAuralis 是一个基于 Python 的快速文本转语音（TTS）引擎，旨在提供低延迟、高质量的语音合成能力。它解决了传统 TTS 系统推理速度慢、部署复杂的★ 623
tiktok-voicetiktok-voice 是一个简单的 Python 脚本，用于调用 TikTok 的文本转语音（TTS）API，将文字转换为语音音频。它解决了开发者需要快速、★ 611
ComeCutComeCut（来剪）是一个轻量级视频编辑器，提供网页版和桌面版，完全免费使用。它的功能设计借鉴了 CapCut 等主流编辑器，旨在为用户提供一个无需复杂安装、★ 608
ComfyUI-VibeVoiceComfyUI-VibeVoice 是一个为 ComfyUI 设计的自定义节点，用于集成 VibeVoice 文本转语音（TTS）引擎。它解决了在 ComfyU★ 607
xtts-api-serverxtts-api-server 是一个基于 FastAPI 的轻量级服务端，用于部署和运行 Coqui AI 的 XTTSv2 文本转语音模型。它解决了 XTT★ 596
echokit_serverechokit_server 是一个开源的语音代理平台，基于 Rust 构建，旨在为开发者提供构建语音助手和语音交互应用的完整解决方案。它解决了从语音识别（AS★ 592
qwen3-tts-apple-silicon这是一个在苹果自研芯片 Mac 上本地运行 Qwen3-TTS 文本转语音模型的工具，支持 M1/M2/M3/M4 全系列。它利用 MLX 框架实现 100% ★ 584