speech-synthesis

音声機能を備えたオープンソースのChatGPTアプリ

7,000以上の言語に対応する、制御可能で高速なテキスト読み上げ（TTS）！

ロシア語およびその他の言語に対応したオープンソースの音声合成エンジン

PyTorch による非公式の Parallel WaveGAN（＋ MelGAN、Multi-band MelGAN、HiFi-GAN、StyleMelGAN）

Speech Note Linux アプリ。オフラインでの音声文字変換（Speech to Text）、音声合成（Text to Speech）、機械翻訳を使用したメモ作成、読み上げ、翻訳機能を提供します。

ComfyUI の機能を拡張するカスタムノード

Software Automatic Mouth - 小型音声合成システム

音声言語処理のための統合モーダル音声・テキスト事前学習

強力なChatterbox TTSモデルをセルフホストします。ユーザーフレンドリーなWeb UI、柔軟なAPIエンドポイント（OpenAI互換を含む）、プリセット音声、音声クローン、大規模なオーディオブック規模のテキスト処理を提供します。NVIDIA (CUDA)、AMD (ROCm)、CPUで高速実行可能です。

💎 ASR、TTS、その他の音声技術向けにアクセス可能な音声コーパスのリスト

汎用音声修復

高品質な音声分析、操作、合成システム

StreamSpeech は、オフラインおよび同時音声認識、音声翻訳、音声合成のための「オールインワン」シームレスモデルです。

絵文字駆動型スタイル制御を備えたFlow Matchingベースの音声合成モデル

BigVGAN の公式 PyTorch 実装 (ICLR 2023)

オフライン動作対応のロシア語音声アシスタント「Ирина」。プラグインによるスキルをサポート。

Youtube/Twitch 配信用の AI VTuber

AutoVC: オートエンコーダ損失のみを用いたゼロショット音声スタイル変換

YourTTS：誰でも使えるゼロショット・マルチスピーカーTTSおよびゼロショット音声変換に向けた取り組み

Cognitive Services の一部である、複数言語による Microsoft Text-to-Speech API のサンプルコード。

AIを活用したマルチボイスオーディオブックジェネレーター — LLMスクリプトアノテーション、音声クローン、音声デザイン、LoRAトレーニング、行ごとのスタイル制御、MP3・章付きM4B・Audacityマルチトラックへのエクスポート。Qwen3-TTSをベースに構築。

NISQA - 非侵入型音声品質およびTTS自然性評価

Azure の自然な音声合成（TTS）音声を、SAPI 5 互換のアプリケーションから利用できるようにする

オープンソースのLLMを活用した基盤TTSシステム

インターネットを必要とせず、自分のコンピュータ上で動作する音声対話型LLM

DiffWave は、高速で高品質なニューラルボコーダーおよび波形シンセサイザーです。

Confucius4-TTS: 多言語・クロスリンガル対応のゼロショットTTSエンジン

リアルタイム音声アシスタント — WebRTC ストリーミング、faster-whisper ASR、ローカル LLM、Vui Nano (300M) TTS。OpenAI Realtime API 互換。音声クローン、発話割り込み (barge-in)、RTX 4090 で約 9 倍のリアルタイム処理。Apache 2.0 ライセンス。

Thorsten-Voice: ライセンスの心配なく、あらゆるプロジェクトで使用可能な、無料、オフライン動作、高品質なドイツ語TTS音声

INTERSPEECH 2023-2024論文コレクション：INTERSPEECH 2023-24カンファレンスの影響力ある重要な研究論文の完全なまとめ。音声および言語処理の最新の進歩を探索できます。コード付き。音声技術の発展を支援するためにリポジトリにスターをお願いします！