tts 第 7 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 7 / 16 页）
Orkas-VideoStudioOrkas-VideoStudio 是一个将编程代理转变为视频工作室的开源工具。它允许用户用自然语言描述视频内容，然后由 AI 代理自动编写时间线并生成视频文件★ 331
whispering-uiwhispering-ui 是 Whispering Tiger 项目的原生桌面界面，旨在为实时语音转录与翻译提供一个易用的图形化操作入口。它解决了 Whisp★ 331
Comprehensive-Transformer-TTS这是一个基于非自回归Transformer的文本转语音（TTS）项目，集成了多种SOTA Transformer架构，并支持有监督和无监督两种时长建模方式。它解★ 327
UltraEval-AudioUltraEval-Audio 是一个面向音频领域的统一评测基准框架，旨在为 ASR（语音识别）、TTS（语音合成）、音频编解码器以及音频大语言模型提供标准化、★ 327
WeeaBlindWeeaBlind 是一个用现代 AI 技术为外语影视媒体制作配音的开源工具。它解决了非英语视频内容在本地化过程中人工配音成本高、周期长的问题，通过自动语音识别★ 326
fast-langdetectfast-langdetect 是一个基于 FastText 的语言检测工具，旨在提供比原始 FastText 快 80 倍的检测速度，同时保持高准确率。它解决★ 325
Hassio-AddonsHassio-Addons 是一个为 Home Assistant Supervisor 提供第三方附加组件的仓库，主要面向音频和音乐场景。它解决了 Home ★ 324
Expressive-FastSpeech2Expressive-FastSpeech2 是一个基于 PyTorch 的非自回归表达性语音合成（TTS）开源项目，在 FastSpeech2 基础上扩展了情★ 323
obsidian-edge-ttsobsidian-edge-tts 是一个 Obsidian 插件，利用微软 Edge 浏览器的朗读 API，为笔记提供免费且高质量的文本转语音功能。它解决了 ★ 323
manim-voiceovermanim-voiceover 是一个专为 Manim 动画引擎设计的语音旁白插件，旨在解决数学动画视频制作中语音与画面同步困难的问题。它通过将文本转语音（TT★ 320
sapphireSapphire 是一个自托管的 AI 对话助手，定位为“你回家的 AI 伴侣”，主打隐私保护和拟人化陪伴体验。它基于 Python 构建，采用 agentic★ 318
T5Gemma-TTST5Gemma-TTS 是一个基于 T5Gemma 编码器-解码器大语言模型的多语言语音合成项目，专注于语音克隆和时长控制。它利用先进的 LLM 架构，将文本输★ 313
LLMVoXLLMVoX 是一个将任意大型语言模型（LLM）转换为支持流式语音对话的端到端系统。它解决了传统语音助手需要额外语音识别和合成模块、延迟高且交互不自然的问题。核★ 313
gpt-voice-conversation-chatbot这是一个基于Python构建的语音对话聊天机器人，让你能与ChatGPT/GPT-4进行自然、富有情感的口语或命令行交互。它解决了传统文本聊天缺乏情感表达和记忆★ 301
wavegradWaveGrad 是一个基于分数匹配的快速高质量神经声码器，由 Google Research 提出，用于从梅尔频谱图生成原始音频波形。它解决了传统神经声码器（★ 299
piedPied 是一个为 Speech Dispatcher 设计的 Piper 语音包管理器，主要面向屏幕阅读器用户和终端用户。它解决了在 Linux 系统上安装和★ 298
kokoro-ioskokoro-ios 是一个基于 Kokoro TTS 引擎的 iOS 和 macOS 原生文本转语音应用，使用 Swift 和 SwiftUI 构建，并利用 ★ 294
ai-devicesai-devices 是一个基于 TypeScript 的 AI 设备模板项目，集成了 Whisper 语音识别、TTS 语音合成、Groq 加速推理、Llam★ 291
voicefixer_mainVoiceFixer 是一个通用的语音修复工具，旨在解决语音信号中的各种退化问题，如背景噪声、混响和低质量录音。它基于深度学习模型，能够将受损的语音恢复为清晰、★ 291
univnetUnivNet是一个基于GAN的神经网络声码器，用于从声学特征（如梅尔频谱）合成高质量语音波形。它由韩国团队提出，论文发表于2021年，本仓库是其非官方PyTo★ 287
google-ttsgoogle-tts 是一个基于 Node.js 的文本转语音（TTS）库，它封装了 Google 翻译的 TTS 接口，让开发者无需申请复杂的云服务 API ★ 286
megatts2Megatts2 是 Megatts2 文本转语音模型的非官方实现，旨在复现并开源该模型的推理能力。它解决了官方实现未公开或难以获取的问题，为开发者提供了可本地★ 286
midi2voicemidi2voice 是一个基于 Python 的开源歌声合成工具，旨在将 MIDI 文件直接转换为逼真的人声演唱。它解决了音乐制作中快速生成人声草稿或成品的问★ 286
MTTSMTTS 是一个面向普通话/中文的文本转语音（TTS）前端演示项目，主要聚焦于中文语音合成的前端处理环节。它解决了中文 TTS 中文本规范化、韵律预测、多音字消★ 284
MITSUHAMITSUHA 是一个开源的 AI 对话助手项目，主打多语言、低成本、高响应速度的虚拟形象交互。它通过 VTube Studio 为 AI 赋予虚拟身体，让用户★ 283
FCH-TTSFCH-TTS 是一个快速文本转语音（TTS）模型，基于 Python 实现，支持英语、中文、日语、韩语、俄语和藏语六种语言。它旨在解决传统 TTS 模型推理速★ 283
iSTFTNet-pytorchiSTFTNet-pytorch 是一个轻量级、快速的声码器（vocoder）实现，基于逆短时傅里叶变换（iSTFT）来加速 Mel 频谱图到波形的合成。它解决★ 281
Kitten-TTS-ServerKitten-TTS-Server 是一个自托管的轻量级文本转语音（TTS）API 服务器，基于 Kitten TTS 模型构建，提供直观的 Web 界面和 G★ 280
tetostetos 是一个为多种文本转语音（TTS）服务提供统一接口的 Python 库。它解决了开发者需要对接不同 TTS 提供商（如 Azure、Edge、Open★ 277
Chinese-FastSpeech2Chinese-FastSpeech2 是一个基于 FastSpeech2 的中文语音合成（TTS）开源项目。它针对中文发音特点，在标贝数据上继续训练，并引入了★ 275
kittkitt 是一个基于 Go 语言构建的实时语音对话开源项目，它利用 LiveKit 框架让开发者能够快速实现与 ChatGPT 的实时语音交互。该项目解决了传统★ 272
praisesPraises 是一款基于 Tauri 和 Vue 的跨平台文本转语音（TTS）桌面工具，主要解决用户快速将文字转换为自然语音的需求。它利用 Azure Spe★ 270
PL-BERTPL-BERT 是一个基于音素级 BERT 的文本到语音（TTS）韵律增强模型，通过引入音素级别的语言模型预测来提升合成语音的自然度和表现力。它解决了传统 TT★ 269
ttslearnttslearn 是一个面向 Python 学习者的语音合成（Text-to-Speech）教学库，由日本学者开发，配套书籍《Pythonで学ぶ音声合成》使用。★ 269
MoneyPrinterTurboEasyMoneyPrinterTurboEasy 是一个基于 AI 大模型的一键短视频生成工具，旨在解决短视频创作门槛高、耗时费力的问题。用户只需输入一句话主题，工具★ 267
easy-speecheasy-speech 是一个基于 Web Speech API 的跨浏览器语音合成（TTS）库，零依赖，体积小巧。它解决了浏览器原生 speechSynthe★ 267
nix-ttsNix-TTS 是一个轻量级、端到端的文本转语音（TTS）开源项目，通过模块级蒸馏技术大幅压缩模型体积，同时保持高质量语音合成。它解决了传统 TTS 模型体积大★ 262
DailyTalkDailyTalk 是 ICASSP 2023 论文的官方实现，提供了一个面向对话场景的语音合成数据集和配套的非自回归 TTS 模型。它解决了传统 TTS 只能★ 262
HiFTNetHiFTNet 是一个基于神经网络的声码器（vocoder），用于将声学特征（如梅尔频谱）快速合成为高质量语音波形。它针对传统神经声码器推理速度慢的问题，提出结★ 262
TTSlistTTSlist 是一个为 ChatTTS 文本转语音模型打造的音色库，收录了 10000 条预生成的音色样本，解决用户每次生成语音时音色随机、难以复现的痛点。项★ 262
soprano-factorySoprano-Factory 是一个用于训练超高速文本转语音（TTS）模型的开源项目，其核心目标是让开发者能够训练出比实时速度快 2000 倍的 TTS 模型★ 261
MOSS-Audio-TokenizerMOSS-Audio-Tokenizer 是一个基于因果 Transformer 架构（CAT）的音频分词器，旨在将连续音频信号转换为离散 token，为音频语★ 259
voxtreamVoXtream 是一个全流式零样本文本转语音（TTS）模型，主打极低延迟和语速控制。它解决了传统 TTS 需要等待完整音频生成才能播放的问题，以及零样本克隆中★ 256
On-Device-Speech-to-Speech-Conversational-AI这是一个纯CPU上运行的实时语音对话系统，实现与AI模型的双向语音交流。它采用连续流式架构，支持即时响应和自然的打断处理，让对话流畅自然。项目整合了语音识别（A★ 255
ComfyUI-GPT_SoVITSComfyUI-GPT_SoVITS 是一个将 GPT-SoVITS 集成到 ComfyUI 的自定义节点，让用户能在 ComfyUI 的可视化工作流中直接进行★ 255
StyleSpeechStyleSpeech 是 Meta-StyleSpeech 和 StyleSpeech 论文的官方实现，专注于语音合成（TTS）中的风格控制。它解决的核心问题★ 254
gpt_servergpt_server 是一个面向生产环境的 AI 服务部署框架，旨在统一集成多种主流模型能力，包括大语言模型（LLM）、Embedding、Reranker、A★ 253
ukrainian-ttsukrainian-tts 是一个基于 ESPnet 工具包的乌克兰语文本转语音（TTS）开源项目。它主要解决乌克兰语语音合成资源匮乏的问题，为开发者提供可训练★ 252
KokoroSharpKokoroSharp 是一个基于 C# 和 ONNX Runtime 的本地 TTS（文本转语音）推理引擎，专注于为 .NET 开发者提供即插即用的语音合成能★ 248
DiffSingerDiffSinger 是一个基于 PyTorch 的开源歌声合成（Singing Voice Synthesis）项目，核心思想是将浅层扩散机制（Shallow★ 247