text-to-speech

同期キャプション付きで、EPUB、PDF、およびテキストからオーディオブックを生成します。

オープンソースの音声AIプラットフォーム。VapiやRetellのセルフホスト型代替品。Speech to SpeechまたはLLM/STT/TTSに対応したオンプレミス、BYOK環境。ビジュアルワークフロービルダー、MCPネイティブ、テレフォニーサポート付き。

オープンソースのAI動画ローカライゼーションツール：YouTube/Bilibili動画のダウンロード、字幕認識と翻訳、音声クローン吹き替え、音源ミキシング、字幕エンコードを自動実行。

Kokoro-82M テキスト読み上げのための Docker化された OpenAI互換ラッパー（マルチプラットフォーム対応の CPU、AMD、NVIDIA GPU PyTorchを使用；マルチスピーカー、ボイスミキシング、自動ステッチング、キャプションタイムスタンプ、SSML、リードアロングWeb UI付き）

DiffSinger: シャロー拡散メカニズムによる歌声合成 (SVS & TTS); AAAI 2022; 公式コード

リアルタイム通信のためのpythonライブラリ。

OpenAIのWhisperのほぼライブ実装。

人間的で表現力豊かなTTSのための基盤モデル。

MOSS‑TTSファミリーは、MOSI.AIとOpenMOSSチームによるオープンソースの音声・音響生成モデルファミリーです。高忠実度、高表現力、複雑な実世界シナリオ向けに設計されており、安定した長尺音声、マルチスピーカー対話、ボイス/キャラクターデザイン、環境音エフェクト、リアルタイムストリーミングTTSを網羅しています。

テキストをリアルタイムで音声に変換

:stuck_out_tongue_closed_eyes: TensorFlowTTS: TensorFlow 2向けのリアルタイム最先端音声合成（英語、フランス語、韓国語、中国語、ドイツ語に対応しており、他の言語への適応が容易）

使いやすさとパフォーマンスに重点を置いた、シンプルで高品質な音声変換ツール

ACE-Step、OmniVoice、Kimi Audio、Piper TTS、GPT-SoVITS、CosyVoice、XTTSv2、DIA、Kokoro、OpenVoice、ParlerTTS、Stable Audio、MMS、StyleTTS2、MAGNet、AudioGen、MusicGen、Tortoise、RVC、Vocos、Demucs、SeamlessM4T、Barkに対応した拡張機能付きの単一Gradio + React WebUI！

ElevenLabs API の公式 Python SDK

[AutoArk] GPA (General Purpose Audio) は、1つの小型モデルで ASR、TTS、および音声変換を実行可能！

aeneas は、音声とテキストを自動的に同期（強制アライメント）するための Python/C ライブラリおよびツール群です。

CAMB.AI の MARS5 音声モデル (TTS)

Google 翻訳のテキスト読み上げ API と連携するための Python ライブラリおよび CLI ツール

🚀 ワンクリックデプロイ（オフライン統合パッケージを含む）！ChatTTS をベースにし、ストリーミング出力、音声ガチャ、長文音声生成、およびロール別朗読をサポート。シンプルで使いやすく、複雑なインストールは不要。

純粋な Java で書かれたオープンソースの多言語音声合成システム「MARY TTS」

Python 向けオフライン音声合成（TTS）。

インスタント音声クローンを備えたベトナム語TTS • オンデバイス • リアルタイムCPU推論 • 24kHz音声品質 • ベトナム語音声合成

エージェントの対話、作業、存在感を維持するリアルタイム音声ランタイム。AI エージェント向けのリアルタイム音声ランタイム

HiFi-GAN：効率的かつ高忠実度な音声合成のための積層型敵対的生成ネットワーク（GAN）

VALL-E（ゼロショット音声合成）のPyTorch実装、再現デモ https://lifeiteng.github.io/valle/index.html

ggml を活用した、音声モデル向けのオールインワンかつ純粋な C++ 推論エンジン。TTS、STT、VAD、音声変換、音楽生成などを高度に最適化されたパフォーマンスでサポートします。Python 依存関係はありません。

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）！

OpenAI、Azure、ElevenLabs の代替となる、無料かつ高品質なテキスト読み上げ（TTS）API エンドポイント

GPT-Live と同様の機能を備えた、デバイス上のリアルタイムマルチモーダル AI

Claude Code向けのAIネイティブな動画制作ツールキット