tts 第 6 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 6 / 16 页）
RealtimeSTT_LLM_TTSRealtimeSTT_LLM_TTS 是一个基于 Python 的实时语音对话系统，它将语音识别（STT）、大语言模型（LLM）和语音合成（TTS）三大模块串★ 435
klaamklaam 是一个专注于阿拉伯语语音处理的开源工具包，集语音识别、语音分类和文本转语音于一体。它解决了阿拉伯语及其方言在通用语音模型中表现不佳的问题，提供了针对★ 435
Neural-Voice-Cloning-With-Few-Samples这是一个基于论文《Neural Voice Cloning With Few Samples》的开源实现，旨在解决少样本语音克隆问题。它通过少量参考音频（甚至几★ 432
alan-sdk-pcfAlan AI SDK for Power Apps 是一个将对话式AI能力嵌入微软Power Apps的低代码开发工具包。它通过Power Apps Comp★ 424
tts-importertts-importer 是一个帮助用户将 Azure 文本转语音（TTS）服务接入本地阅读应用的工具。它主要解决阅读软件自带语音引擎音色单一、效果不佳的问题，★ 424
AGI-PapersAGI-Papers 是一个精选的 AI 前沿论文归档项目，聚焦智能体（Agents）、模型架构（Architecture）、训练方法（Training）、检索★ 423
tiktok-ttstiktok-tts 是一个基于浏览器的 JavaScript 工具，用于生成 TikTok 风格的文本转语音（TTS）音频。它通过调用 TikTok 的语音合★ 422
astrbot_plugin_proactive_chat这是一个 AstrBot 插件，让机器人不再被动等待用户提问，而是能主动在私聊和群聊中发起对话。它解决了聊天机器人缺乏主动性的问题，通过上下文感知理解对话历史，★ 417
g2pWg2pW 是一个中文普通话的字素到音素（G2P）转换工具，主要解决中文文本到拼音或注音转换的问题。它基于 BERT 模型，能够根据上下文准确预测多音字的读音，是★ 417
ChineseTtsTfliteChineseTtsTflite 是一个基于 TensorFlowTTS 的安卓离线中文语音合成引擎，主要面向 TfLite 模型测试场景。它解决了在移动端部署★ 416
awesome-audio-plaza这是一个每日更新的音频方向前沿论文精选列表，聚焦音乐生成、零样本语音合成、语音识别和通用音频生成等热门子领域。项目以GitHub仓库形式维护，通过持续追踪arX★ 411
awesome-russian-speech这是一个精选俄罗斯语音技术资源的开源列表，汇集了语音识别（ASR）、语音合成（TTS）、文本转语音、字素到音素（G2P）转换等领域的工具、库、模型和论文链接。项★ 409
WaveGradWaveGrad 是 Google Brain 提出的高保真语音合成声码器（vocoder）的 PyTorch 非官方实现。它基于扩散概率模型（diffusio★ 408
AIStudio2APIAIStudio2API 是一个将 Google AI Studio 的 Web 界面反向代理为 OpenAI 兼容 API 的工具。它解决了开发者无法直接通过★ 408
tts-server-gotts-server-go 是一个用 Go 语言编写的轻量级服务，用于转发微软 TTS（文本转语音）服务。它主要解决用户在阅读类 APP（如微信读书、静读天下等★ 406
audio.cpp-webuiaudio.cpp-webui 是一个基于 ggml 的纯 C++ 音频模型推理引擎，为 audio.cpp 提供全任务 WebUI。它支持语音合成（TTS）、★ 401
xtts2-uixtts2-ui 是一个为 Coqui XTTS-2 模型打造的图形化界面工具，让用户仅需 10 秒的语音样本即可完成文本到语音的克隆。它解决了 XTTS-2 ★ 401
LocalText2VoiceLocalText2Voice 是一个完全离线的本地文本转语音生产工作流，专为生成干净旁白、结构化学习内容和播客级音频而设计。它解决了在无网络环境下依赖云端 T★ 397
Multi-Tacotron-Voice-Cloning这是一个基于多语种Tacotron的语音克隆项目，支持俄语和英语两种语言的音素级语音合成与克隆。它解决了跨语言语音克隆中音素映射和发音准确性的问题，核心能力包括★ 397
Stream-OmniStream-Omni 是一个类似 GPT-4o 的多模态对话助手，能够同时处理文本、语音和视觉输入，并支持多种模态组合的交互。它解决了传统对话系统只能处理单一★ 393
izwiizwi 是一个本地优先的语音 AI 运行时，用 Rust 编写，提供语音转文字、说话人分离、文字转语音和声音克隆能力，并兼容 OpenAI API 格式。它解★ 393
LibreTTSLibreTTS 是一个开源的文本转语音（TTS）前端项目，采用 JavaScript 编写，主打接口兼容性。它解决了 TTS 服务碎片化的问题，通过统一封装 ★ 388
VocelloVocello 是一款专为 Apple Silicon 设计的本地、私密语音工作室。它允许用户编写脚本，选择或描述声音，并在设备端生成语音，速度超过实时，即使在★ 381
VoxNovelVoxNovel 是一个将电子书转换为有声书的开源工具，核心特点是能为书中每个角色分配不同的配音演员，实现多角色语音合成。它解决的是传统 TTS 生成有声书时声★ 377
llm4freellm4free 是一个集成了 40 多个免费 AI 提供商的 Python 工具包，前身是 WebScout。它解决了开发者需要聚合多个免费 LLM 服务、统★ 375
VoiceFlow-TTSVoiceFlow-TTS 是 ICASSP 2024 官方开源的高效文本转语音（TTS）模型，基于修正流匹配（Rectified Flow Matching）★ 374
GST-TacotronGST-Tacotron 是一个基于 PyTorch 实现的端到端语音合成系统，核心是引入全局风格令牌（GST）机制，实现对语音风格的无监督建模、控制和迁移。它★ 374
TalkifyTTSTalkifyTTS 是一款由云端大模型驱动的 Android 语音合成（TTS）引擎，旨在为 Android 应用提供高质量、自然流畅的语音输出能力。它解决了★ 373
StreamingKokoroJSStreamingKokoroJS 是一个基于 Kokoro-JS 的浏览器端文本转语音（TTS）库，主打 100% 本地运行与完全开源。它解决了传统 TTS ★ 372
tts-nowtts-now 是一款基于云平台语音合成 API 的跨平台文字转语音助手，支持阿里云、讯飞等主流 TTS 服务。它主要解决用户需要快速将文本转换为自然语音的问题★ 371
gemini-youtube-automation这是一个基于 Gemini 等大语言模型的完全自主 AI 智能体/Python 流水线，用于自动生成教育视频并上传到 YouTube。它解决了内容创作者需要手动★ 367
openliveopenlive 是一个开源的、设备端运行的语音与视觉交互层，专为 AI 代理设计。它解决了云端语音服务延迟高、成本高、隐私风险大的问题，让开发者可以自由接入任★ 366
Maix-SpeechMaix-Speech 是一个专为嵌入式设备设计的轻量级语音 AI 库，旨在解决资源受限设备上运行语音识别（ASR）、语音合成（TTS）和对话（chat）功能的★ 365
LiveWhisperLiveWhisper 是一个基于 OpenAI Whisper 的近乎实时语音转文字工具，通过 sounddevice 捕获麦克风音频并流式处理，无需修改 W★ 361
floe-guardfloe-guard 是一个为 AI 语音代理设计的开源成本计量与预算控制工具。它解决了语音代理在调用语音识别（STT）、语音合成（TTS）、大语言模型（LLM★ 357
Dia-TTS-ServerDia-TTS-Server 是一个自托管的 Dia TTS 模型推理服务器，旨在解决高质量对话式语音合成部署复杂的问题。它基于 Python 和 FastAP★ 355
speech_course这是一个面向语音处理学习者的开源课程项目，由YSDA（Yandex数据科学学院）提供，内容覆盖语音处理的核心领域：自动语音识别（ASR）、数字信号处理（DSP）★ 354
DiffGAN-TTSDiffGAN-TTS 是一个基于 PyTorch 的文本转语音（TTS）实现，核心思想是结合扩散模型（Diffusion）和生成对抗网络（GAN），在保证高保★ 351
LangHelperLangHelper 是一个基于 Rust 开发的语言学习应用，旨在通过整合 ChatGPT、TTS（文本转语音）和 STT（语音转文本）等 AI 模型，提供全★ 350
mrcp-plugin-with-freeswitch这是一个将FreeSWITCH与UniMRCP Server集成，并接入讯飞开放平台（xfyun）插件的开源项目。它解决了在传统电话网络中实现智能语音交互的问题★ 349
easevoice-trainerEaseVoice Trainer 是一个面向普通用户的语音克隆与语音合成模型训练工具。它旨在降低语音模型训练的门槛，让非专业人士也能通过简单的操作训练出个性化★ 348
glados-voice-assistant这是一个基于《传送门》游戏角色GLaDOS的DIY语音助手项目，使用C语言编写，主要面向Home Assistant智能家居平台。它解决了用户希望拥有一个具有独★ 347
MsEdgeTTSMsEdgeTTS 是一个基于 TypeScript 的轻量级文本转语音（TTS）模块，它巧妙地复用了 Microsoft Edge 浏览器内置的“大声朗读”功★ 345
rvc-tts-webuirvc-tts-webui 是一个基于 RVC（Retrieval-based Voice Conversion）和 edge-tts 的文本转语音 Gradi★ 344
TTS-StoryTTS-Story 是一个基于 Web 的多语音 TTS 工作室，专为将带标签的脚本转换为有声书而设计。它解决了有声书制作中多角色配音管理复杂、音频生成分散的问★ 344
PortaSpeechPortaSpeech 是一个基于 PyTorch 的非自回归文本转语音（TTS）实现，源自论文《PortaSpeech: Portable and High-★ 341
frametellFrametell 是一个本地优先的 AI 讲解视频生成工具，核心是一个“AI 导演代理”，能把你的想法和素材自动编排成生动的解说视频。它解决的是传统做讲解视频★ 340
voiceaivoiceai 是一个面向语音 AI 智能体开发者的精选资源集合，旨在帮助初学者和进阶者快速上手构建实时语音对话系统。它解决了语音 AI 领域资料分散、入门门槛★ 336
ultimate-rvcultimate-rvc 是一个基于检索式语音转换（RVC）的音频内容创作应用，主要用于生成歌曲翻唱和语音合成。它解决了普通用户难以训练和使用高质量语音模型的问★ 336
GenerSpeechGenerSpeech 是一个基于 PyTorch 实现的文本到语音（TTS）模型，源自 NeurIPS 2022 论文，专注于零样本风格迁移，即用未见过的自定★ 332