text-to-speech

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

アプリのためのセルフコーディングシステム — Android用 Alan AI SDK

GPT-SoVITS ONNX推論エンジンおよびモデルコンバーター

アプリ向けセルフコーディングシステム — Flutter 用 Alan AI SDK

字幕ファイルに基づいて動画のテキストを自動翻訳し、AI音声サービスを使用して新しい吹き替えおよび翻訳されたオーディオトラックを作成します。音声は字幕のタイミングに同期されます。

ワンクリックでウェブページのコンテンツを読み上げる素晴らしいブラウザ拡張機能

ExecuTorch を活用し、React Native でデバイス上の AI モデルを実行する宣言的な方法。

アプリのためのセルフコーディングシステム — Ionic 向け Alan AI SDK

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。

トピック → コーディングエージェント向けの 4K ナレーション付き動画。v4.0: すべての TTS が ttsCN エンジンコンポーネント経由（MiniMax の音声クローンやネイティブの単語単位字幕同期を含む 11 プラットフォーム）、マニフェストベースのアセットエンジン、Remotion 構成、コスト制御された AI 生成

強力な音声合成、画像生成、動画生成 API との連携を可能にする公式 MiniMax Model Context Protocol (MCP) サーバー

Apple Silicon 向けの高性能な OpenAI および Anthropic 互換 LLM 推論サーバー。ネイティブ MLX、連続バッチ処理、マルチモーダルモデル、MCP ツール呼び出し、Claude Code をサポート。

MicrosoftのVibeVoice音声合成モデル向けの包括的なComfyUI統合。ComfyUIのワークフロー内で直接、高品質なシングルおよびマルチスピーカーの音声合成を実現します。

Soprano：インスタントで超リアルなテキスト読み上げ（TTS）

Mac に話しかけ、ドキュメントを検索。クラウド不要。デバイス上の音声 AI + RAG

Talking Head (3D): 全身 3D アバターを使用したリアルタイムリップシンク用の JavaScript クラス

人間の声を簡単に合成するための Python/PyTorch アプリケーション

OuteTTS モデル用インターフェース

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。

🍦 Speech-AI-Forgeは、TTS生成モデルを中心に開発されたプロジェクトで、APIサーバーとGradioベースのWebUIを実装しています。

動画の同期翻訳。動画の吹き替え

💎 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

Apple Silicon 搭載 Mac で LLM をファインチューニング。MLX 上でネイティブ動作する SFT、DPO、GRPO、Vision、TTS、STT、Embedding、OCR のファインチューニング対応。Unsloth 互換 API。

[ICASSP 2024] 🍵 Matcha-TTS: 条件付きフローマッチングを用いた高速なTTSアーキテクチャ

[ICLR 2025] 音声言語モデリング向け、毎秒40/75トークンを実現するSOTA（最先端）の離散音響コーデックモデル

画像、リアルタイム音声会話、LLM を活用したチャットボット、自動化ワークフローのためのオフライン推論エンジン。

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。

様々な音声関連のNeural Network向けWebUI

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