tts 第 5 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 5 / 16 页）
video-recap-skills这是一个基于 Claude Code Skill 的视频解说自动生成工具。它利用 LLM（大语言模型）理解视频内容，结合 ASR（语音识别）提取字幕，再通过 T★ 582
Chatterbox-TTS-ExtendedChatterbox-TTS-Extended 是 Chatterbox 文本转语音项目的增强版，主要解决原始版本对输入文本长度和格式的限制问题。它允许用户直接★ 582
video-recap-skillsvideo-recap-skills 是一套面向 Claude Code / Codex 的 Agent Skills 集合，目标是把任意视频自动加工成带中文解★ 582
alan-sdk-reactnativeAlan AI SDK for React Native 是一个将语音助手能力集成到 React Native 应用中的开发工具包。它解决了移动应用内缺乏自然语★ 573
corecore 是一个基于 AI 的个人博客与创作者网站内容管理系统（CMS）核心，旨在解决创作者在内容生产与分发中的效率问题。它深度集成 AI 能力，提供自动摘要、★ 565
ComfyUI-OmniVoice-TTSOmniVoice TTS 是一个为 ComfyUI 设计的自定义节点，提供零样本多语言文本转语音功能，并支持声音克隆、声音设计和多说话人对话。它解决了 Com★ 561
orpheus-tts-localOrpheus TTS Local 是一个让 Orpheus 3B 文本转语音模型在本地运行的轻量级工具。它解决了云端 TTS 服务依赖网络、数据隐私和成本高的★ 551
vits2_pytorchvits2_pytorch 是 VITS2 文本转语音模型的非官方 PyTorch 实现。VITS2 是 VITS 的改进版本，通过引入流匹配、改进的对抗训练和★ 548
StarmoonStarmoon 是一个开源的对话式 AI 设备与软件框架，旨在为陪伴、娱乐、教育、医疗、物联网和 DIY 机器人等场景提供语音交互能力。它结合了 Python★ 548
SummerTTSSummerTTS 是一个基于 C++ 的轻量级中英文语音合成（TTS）项目，主打独立编译和零依赖。它解决了传统 TTS 系统依赖复杂、部署困难的问题，用户只需★ 545
openreaderopenreader 是一个开源的文档朗读服务器，旨在将电子书和文档转换为高质量的语音播放体验。它支持 EPUB、PDF、DOCX、TXT 和 MD 等主流格式★ 544
Bert-VITS2-extBert-VITS2-ext 是一个基于 Bert-VITS2 的扩展项目，专注于为语音合成（TTS）添加表情和动画生成能力。它解决的是传统 TTS 仅输出音频★ 539
tacotronTacotron是Google提出的端到端语音合成模型，该项目是其论文的音频样本展示页。它解决了传统TTS系统需要复杂前端文本分析和声学建模的问题，直接通过注意★ 537
android-speechandroid-speech 是一个专为 Android 平台设计的语音识别与文本转语音（TTS）封装库，旨在简化原生 Android 语音 API 的复杂调用★ 536
KAN-TTSKAN-TTS 是一个基于 Python 的语音合成训练框架，旨在简化 TTS 模型的开发与训练流程。它提供了从数据预处理到模型训练、推理的完整工具链，支持多说★ 529
JARVISJARVIS 是一个基于 Python 的个人语音助手项目，它将语音识别、大语言模型（LLM）和语音合成串联起来，形成一个完整的语音交互闭环，并通过 Web 界★ 528
parrotsparrots 是一个基于 Python 的自动语音识别（ASR）与语音合成（TTS）引擎，专注于中英语音处理。它解决了开发者在应用中集成语音交互功能时面临的准★ 527
whisplay-ai-chatbot这是一个基于树莓派 Zero 2W 或 5 的袖珍 AI 聊天机器人项目，名为 whisplay-ai-chatbot。它利用 TypeScript 构建，整合★ 525
VODERVODER（Voice Operation and Design Engine with Reproduction）是一个基于Python的语音操作与设计引擎，★ 524
dsh-voice-ai-girlfriend这是一个面向 DeepSeek Harness（DSH）的语音 AI 女友插件，用 TypeScript 编写。它把语音识别、语音合成和数字人动画串成一条完整的★ 522
rvc-webuirvc-webui 是 liujing04 对 Retrieval-based-Voice-Conversion-WebUI（RVC）的重构项目，旨在提供更易用★ 520
awesome-ai-voiceawesome-ai-voice 是一个精选开源 AI 语音与音乐生成资源的列表，收录了文本转语音（TTS）、声音克隆、语音识别（ASR）以及音乐生成等领域的模★ 518
ComfyUI-VoxCPMComfyUI-VoxCPM 是一个为 ComfyUI 设计的音频生成节点，专注于高表现力的语音合成和零样本声音克隆。它解决了在 ComfyUI 工作流中集成先★ 517
mimic-recording-studioMimic Recording Studio 是一个基于 Docker 的语音样本录制工具，专为 Mycroft 的 Mimic2 TTS（文本转语音）引擎设计★ 517
Mediapipe4u-pluginMediapipe4u-plugin 是一个将 Google MediaPipe 的实时人体追踪能力（面部、手势、姿态、整体动作）无缝集成到虚幻引擎（Unrea★ 510
aspeakaspeak 是一个基于 Rust 编写的极简命令行文本转语音（TTS）客户端，专门调用 Azure TTS API。它解决了开发者或普通用户在终端中快速将文本★ 497
skillsskills 是 ElevenLabs 官方维护的技能集合库，旨在为 AI 智能体开发提供即插即用的音频相关能力。它解决了开发者在构建语音交互应用时，需要从零实★ 496
VibeVoiceFusionVibeVoiceFusion 是一个基于微软 VibeVoice（自回归+扩散架构）的全栈多说话人语音合成 Web 系统。它主要解决自建 TTS 系统时面临的★ 495
Awesome-Singing-Voice-Synthesis-and-Singing-Voice-Conversion这是一个关于歌声合成（SVS）与歌声转换（SVC）的精选论文与项目列表，同时涵盖语音合成（TTS）、语音转换（VC）及相关领域（如音乐合成、自动音乐转录、MOS★ 492
hass-edge-ttshass-edge-tts 是一个专为 Home Assistant 设计的自定义 TTS 组件，利用微软 Edge 浏览器的在线语音合成服务，无需申请任何 A★ 488
talk-to-fengge这是一个基于实时语音技术的声音与性格克隆项目，旨在让用户与任何人的数字分身进行自然对话。它解决了传统语音助手缺乏个性化和真实感的问题，通过克隆目标人物的音色和说★ 484
AivisSpeechAivisSpeech 是一个基于 AI 的语音模仿与文本转语音（TTS）系统，专注于日语语音合成。它利用 Style-Bert-Vits2 等先进模型，能够通★ 482
make-a-smart-speaker这是一个教你从零开始打造智能音箱的资源合集，主要解决DIY爱好者想自己动手做智能音箱却缺乏系统资料的问题。项目收集了硬件选型、语音识别、音频处理、云端接入等各个★ 481
tts-azure-webTTS Azure Web 是一个基于 Azure 文本转语音服务的网页应用，使用 TypeScript 和 Next.js 构建。它解决了 Azure TTS★ 477
mandarin-ttsmandarin-tts 是一个基于 PyTorch 实现的中文普通话语音合成（TTS）开源项目。它采用 FastSpeech 2 作为声学模型，WaveGlo★ 477
speech_datasetspeech_dataset 是一个面向语音识别（ASR）研究的中文语音数据集仓库，旨在为深度学习语音模型提供训练与评估所需的音频资源。项目整理了多种来源的语音★ 470
StyleTTSStyleTTS 是一个基于 PyTorch 的文本到语音（TTS）合成项目，通过风格迁移技术让合成语音具备多样化的情感和韵律表达。它解决了传统 TTS 系统语★ 468
dectalkdectalk 项目旨在为 90 年代/00 年代的 DECtalk 文本转语音（TTS）应用提供现代化构建。DECtalk 是经典的语音合成引擎，以其独特的机★ 468
voice-chat-aivoice-chat-ai 是一个开源的 AI 语音对话项目，让你能直接与 AI 进行自然的口语交流。它解决了传统文本交互不够直观的问题，通过集成多种大语言模型★ 467
ChatTTS-OpenVoiceChatTTS-OpenVoice 是一个将 ChatTTS 与 OpenVoice 融合的开源语音克隆工具。它解决的核心问题是：ChatTTS 本身不支持个性★ 466
read-awareread-aware 是一款带自进化智能体的电子书阅读器，核心解决传统阅读器读完即忘、跨书知识无法沉淀的问题。它能在你阅读时持续记录划线、批注与阅读进度，并把这★ 465
JARVIS-ChatGPTJARVIS-ChatGPT 是一个基于 Python 的对话助手项目，旨在将《钢铁侠》中 J.A.R.V.I.S. 的合成语音体验带入现实。它主要解决如何让 ★ 463
dl-for-emo-tts这是一个关于情感语音合成（Emotional Text-to-Speech）的深度学习实验总结项目，以Jupyter Notebook形式呈现。项目记录了作者团★ 457
FacemojiFacemoji 是一个基于 C# 的语音聊天机器人，核心功能是捕捉用户面部表情，并通过 Live2D 动画形象实时模仿，让对话过程更具趣味性和沉浸感。项目集成★ 456
FunCodecFunCodec 是一个面向研究的音频量化工具包，旨在为音频生成任务提供高效、灵活的神经编解码方案。它解决了音频信号在离散表示上的压缩与重建问题，使得文本到语音★ 449
ForgetMeNotForgetMeNot 是一款专为 Android 平台设计的闪卡应用，旨在帮助用户通过间隔重复（Spaced Repetition）记忆法高效学习。它解决了传★ 442
speech-recognition-uk这是一个面向乌克兰语的开源语音识别与合成工具包，旨在解决乌克兰语在主流语音技术中支持不足的问题。项目基于Python构建，提供从语音到文本（STT）和文本到语音★ 441
Text2VideoText2Video 是一个基于 ICASSP 2022 论文的开源项目，实现文本驱动的说话人视频合成。它通过音素字典将输入文本转换为语音，并驱动人物头像生成与★ 438
personalized-podcastpersonalized-podcast 是一个将任意内容转化为个性化 AI 播客的开源工具，风格类似 NotebookLM，但用户可完全掌控脚本、声音和主持人★ 438
-Prototype-AIVTuber这是一个开源的AI虚拟主播（AI VTuber）项目，旨在让开发者通过集成GPT-3、TTS（文本转语音）和Twitch API，快速搭建一个能够与观众实时互动★ 435