tts 第 9 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 9 / 16 页）
tortoise.cpptortoise.cpp 是 tortoise-tts 的 ggml (C++) 重新实现，旨在将高质量文本转语音模型本地化运行。它解决了原版 Python 实★ 192
Parallel-Tacotron2Parallel-Tacotron2 是 Google Parallel Tacotron 2 的 PyTorch 非官方实现，旨在解决传统自回归 TTS 模型★ 191
nanospeechnanospeech 是一个极简、可自由修改的文本转语音（TTS）系统，基于 PyTorch 和 MLX 构建。它旨在解决现有 TTS 系统过于复杂、难以定制和★ 190
pytorch-dc-ttspytorch-dc-tts 是一个基于 PyTorch 实现的文本转语音（TTS）项目，支持英语和蒙古语。它复现了 DC-TTS（Deep Convoluti★ 186
NekoSpeakNekoSpeak 是一款面向 Android 的本地离线 AI 语音合成应用，支持 Kokoro、KittenTTS、Pocket-tts 和 Piper 等★ 186
resemble-unity-text-to-speechResemble Unity Text-to-Speech 是 Resemble AI 官方推出的 Unity 插件，将先进的语音克隆引擎无缝集成到 Unity★ 185
durian-pytorchdurian-pytorch 是论文《Duration Informed Attention Network for Multimodal Synthesis》★ 184
speaker_adapted_tts这是一个针对特定说话人进行语音合成（TTS）适配的开源项目，核心目标是让用户仅需提供1分钟的语音样本，就能在10分钟内训练出一个模仿该说话人音色的TTS模型。项★ 184
efficientspeechEfficientSpeech 是一个基于 PyTorch 的轻量级语音合成（TTS）模型实现，相关论文发表于 ICASSP 2023。它旨在解决传统 TTS ★ 183
AivisSpeech-EngineAivisSpeech-Engine 是一个基于 Python 的 AI 语音合成引擎，专注于日文文本到语音（TTS）转换，并支持声音模仿。它整合了 BERT-★ 182
elevenlabs-nodeelevenlabs-node 是一个用于 Node.js 的 Eleven Labs 文本转语音（TTS）非官方客户端包。它封装了 Eleven Labs 的★ 181
Learn2Sing2.0Learn2Sing2.0 是一个基于扩散模型和互信息的目标说话人歌声合成（SVS）开源项目，旨在让用户通过模仿“歌唱老师”的声音来学习唱歌。它解决了传统歌声合★ 181
vibeframevibeframe 是一个面向编码代理（coding agents）的前沿 AI 视频生成工具，它通过统一的 CLI 和 MCP（Model Context P★ 180
kokoro-webkokoro-web 是一个基于机器学习的语音合成项目，完全在浏览器中运行，无需服务器。它利用 WebAssembly 和现代 Web 技术，将高质量的文本转语★ 180
BlahSTBlahST 是一个面向 Linux 桌面的语音输入与对话工具，基于 whisper.cpp 实现完全离线的语音转文字，可在任意窗口中快速输入文本，同时通过 l★ 179
zhttszhtts 是一个基于 Python 的中文实时语音合成系统演示项目，专注于在 CPU 上实现低延迟的文本转语音能力。它解决了中文 TTS 在无 GPU 环境下★ 179
GhostCut-auto_video_translationGhostCut-auto_video_translation 是一个基于 Python 的自动视频翻译与配音工具，主要解决视频硬字幕翻译、去除与重配音的痛点。★ 176
cc-beepercc-beeper 是一个为 Claude Code 打造的 macOS 桌面小组件，旨在让开发者在使用 Claude Code 进行编码时，能实时掌握 Cla★ 175
kkclawkkclaw 是一个基于 Electron 的桌面宠物 AI 助手，以一只可爱的龙虾形象出现在屏幕上。它集成了 OpenClaw AI 作为大脑，支持 Edge★ 174
wsaywsay 是一个 Windows 平台下的命令行文本转语音（TTS）工具，相当于 macOS 上 `say` 命令的 Windows 版本。它解决了 Windo★ 173
tts这是一个基于 Node.js 的极简文本转语音（TTS）命令行工具，核心功能是将用户输入的文本转换为语音，并支持使用 Amazon Polly 提供的多种高质量★ 173
GSV-TTS-LiteGSV-TTS-Lite 是一个专为 GPT-SoVITS 文本转语音模型设计的高性能推理引擎，专注于少样本语音克隆。它解决了 GPT-SoVITS 原始推理速★ 172
jamifyjamify 是一个基于流匹配（Flow Matching）的轻量级歌曲生成器，旨在解决现有音乐生成模型在细粒度控制和美学对齐上的不足。它通过将歌曲生成分解为可★ 171
speech-androidspeech-android 是一个面向 Android 平台的端侧语音 SDK，基于 ONNX Runtime 并利用高通 NNAPI 加速，提供语音识别（A★ 170
OpenGuiderOpenGuider 是一个运行在桌面端的 AI 陪伴助手，通过屏幕识别（OCR）和语音交互（STT/TTS）实时理解用户当前操作环境，并结合 AI 模型生成分★ 170
agentcallAgentCall 是一个让 AI 智能体以真实身份加入视频会议的开源项目，支持语音、视频和屏幕共享，使 AI 能像人类协作者一样在 Google Meet、M★ 169
bournemouth-forced-aligner这是一个用于语音音频的强制对齐工具，能够自动提取音素级别的时间戳。它解决了语音处理中需要精确对齐音频与文本的问题，尤其适用于语音识别、语音合成和语言学研究。核心★ 169
tttsttts 是一个用于训练下一代文本转语音（TTS）系统的开源项目，基于 Python 构建。它旨在提供一套完整、可扩展的训练流程，帮助开发者和研究人员从零开始训★ 169
MSMC-TTSMSMC-TTS 是一个多阶段多码本（Multi-Stage Multi-Codebook）的语音合成（TTS）开源项目，基于深度学习与 GAN 架构，结合 V★ 168
aidialeraidialer 是一个全栈 AI 电话应用，通过整合 LLM、语音识别（STT）、语音合成（TTS）和 Twilio 电话 API，实现可打断、低延迟、接近真★ 167
FunSpeechFunSpeech 是一个面向本地私有化部署的语音服务工具，旨在简化语音识别（ASR）和语音合成（TTS）后端的搭建流程。它解决了开发者在使用 Qwen3ASR★ 166
InflectInflect 是一个轻量级、高质量的文本转语音（TTS）模型，旨在以极小的资源占用生成自然流畅的语音。它目前处于积极开发阶段，重点追求快速迭代、优秀的音质和简★ 164
Bert-VITS2-MNNBert-VITS2-MNN 是一个面向 Android 移动端的离线语音合成运行时，基于阿里巴巴的 MNN 推理引擎，将 Bert-VITS2 模型轻量化部署★ 163
MNNServerMNNServer 是一个基于阿里 MNN 推理引擎的第三方服务器，旨在为移动端和边缘设备提供本地化的 AI 模型服务。它解决了在资源受限环境下高效运行深度学习★ 163
AdaSpeechAdaSpeech 是一个基于 PyTorch 的自适应文本转语音（TTS）项目，旨在为自定义声音提供高质量的语音合成能力。它针对传统 TTS 系统在适应新说话★ 162
Kazakh_TTSKazakh_TTS 是一个哈萨克语文本转语音（TTS）语料库项目，是早期 KazakhTTS 的扩展版本。它解决了哈萨克语语音合成领域高质量数据稀缺的问题，将★ 162
whisper-vits-japanese这是一个将Whisper语音识别模型与VITS语音合成模型结合的开源工具，专门用于日语语音合成。它解决的核心问题是：传统VITS训练需要成对的文本和音频数据，而★ 161
STYLERSTYLER 是 INTERSPEECH 2021 发表的语音合成论文官方实现，专注于表达性且可控的神经文本转语音（TTS）。它通过语音分解技术，将语音内容、音★ 159
elevenlabslibelevenlabslib 是一个用于 ElevenLabs API 的 Python 封装库，旨在简化开发者对 ElevenLabs 文本转语音（TTS）服务★ 159
FlashSpeechFlashSpeech 是 ACM MM 2024 发表的零样本语音合成（Zero-Shot TTS）项目，主打高效合成。它能在没有目标说话人录音样本的情况下，★ 159
Kokoro-EngineKokoro-Engine 是一个跨平台的虚拟角色沉浸式交互引擎，用 Rust 编写，旨在让开发者快速构建桌面宠物、AI 主播（VTuber）或聊天机器人。它解★ 158
StyleTTS2StyleTTS2 是一个基于 StyleTTS 2 模型的文本转语音（TTS）与声音克隆工具，以 Python 包形式提供，可通过 pip 直接安装使用。它解★ 158
neurolinkneurolink 是一个 TypeScript 编写的统一 LLM 接口层，旨在让开发者通过单一 API 对接 24+ 家主流大模型提供商，切换供应商时无需重★ 157
text_generation_webui_xttstext_generation_webui_xtts 是一个为 oobabooga text-generation-webui 设计的 XTTSv2 扩展插件。★ 156
EbookReaderEbookReader 是一款开源的 Android 电子书阅读器应用，旨在解决多格式阅读和听书需求。它支持 epub、pdf、txt、html、mobi、az★ 156
pitchtronpitchtron 是一个面向韩语等声调语言的文本转语音（TTS）工具，专注于处理韩语方言中的音高重音（pitch accent）现象。它解决了通用 TTS 模★ 155
tai5-uan5_gian5-gi2_kang1-ku7臺灣言語工具是一套专为台湾闽南语（台语）设计的自然语言处理与语音工具包，基于Python实现。它解决了台语在机器翻译、文本分析、语音合成（TTS）等场景下缺乏开★ 154
podcast-llmpodcast-llm 是一个能从零开始自动生成 AI 播客的开源工具，用户只需提供一个节目主题，它就能自动完成从内容策划、脚本撰写到语音合成的全流程。该项目基★ 153
edge-ttsedge-tts 是一个基于 TypeScript 的 Node.js/Bun 库，让你无需安装 Microsoft Edge、Windows 系统或申请 AP★ 152
euankaeuanka 是一个本地化部署的语音助手项目，旨在将完整的语音交互链路（ASR-NLP-LLM-TTS）全部运行在本地设备上，解决云端依赖带来的隐私和延迟问题。★ 152