text-to-speech

ローカルでのマルチエンジン・多言語の音声合成（TTS）および音声変換を行うためのComfyUIカスタムノード統合。RVC、Echo-TTS、Qwen3-TTS、Cozy Voice 3、Step Audio EditX、IndexTTS-2、Chatterbox（クラシックおよび多言語）、F5-TTS、Higgs Audio 2、3、VibeVoiceをサポートし、無制限のテキスト長、SRTタイミング、キャラクターサポート、および多数のオーディオツールを備えています。

Apple の Foundation Models フレームワークを使用したアプリの構築、テスト、評価のための実践的なラボ。

リアルタイムで会話音声をストリーミングできるTTSモデル

Apple Silicon 向け AI 音声ツールキット — MLX と CoreML を活用した ASR、TTS、音声対音声、VAD、話者分離

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

SGLang-Omni は、TTS、ASR、音声、およびオムニモデルの高性能なサービングを実現します。

Windows、Linux、macOS向けの検閲なしローカル AI スタジオ。画像生成、GGUF LLM、音声認識・合成のためのセットアップ不要な GUI

オープンソースの音声AI SDK。スタックを自社所有したい開発者向けの Vapi/Retell 代替ソリューション。4行のコードでAIエージェントに電話番号を付与 — Python と TypeScript、MITライセンス、Twilio、Telnyx、Plivoに対応。

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。

感情、話し方、パラ言語の編集に優れ、堅牢なゼロショットTTS機能を備えた、強力な3BパラメータのLLMベース強化学習オーディオ編集モデル

NISQA - 非侵入型音声品質およびTTS自然性評価

Botium 音声処理

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

PHP 用 Vonage REST API クライアント。SMS、音声、テキスト読み上げ、番号、認証 (2FA) などをサポート。

オープンソースのLLMを活用した基盤TTSシステム

Elite Dangerous 用の船長日誌および 3D スターマップ

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。

高速なテキスト読み上げ生成を実現する、C/C++版の Suno AI Bark モデル

オーディオブック品質の音声読み上げ機能を備えたターミナル向け電子書籍リーダー — EPUB、PDF、DOCX、HTML、RTF、TXT、MD をサポート。

🎤 Lobe TTS - サーバーおよびブラウザ向けの高品質で信頼性の高いTTS/STTライブラリ

システム全体でのシームレスな音声クローンと高忠実度なテキスト読み上げを可能にする、軽量なオフライン Android Text-to-Speech (TTS) エンジン。

音声からテキスト、そして音声へ。現在再生中の楽曲。テキストをOSCメッセージとしてVRChatに送信し、アバター上に表示します。(STTTS) (Speech to TTS) (VRC STTシステム) (VTuber TTS)

クリエイターとAIエージェントが同じリアルタイムラインを共同編集できる、オープンソースでローカルファーストな動画エディタ

ROOT権限不要のオープンソースAndroid画面リアルタイム翻訳ツール。ゲーム、ビジュアルノベル、マンガに最適です。オンデバイスおよびクラウドOCR、オフラインLLM、多様な翻訳サービス、音声読み上げ（TTS）をサポートし、画面上に直接翻訳を表示できます。

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

Ollama、Hugging Face Transformers、Coqui TTS Toolkitを活用した、対話を楽しむためのローカル音声チャットボット

Apple Silicon上のMLXで音声処理を行うためのモジュール式Swift SDK

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。

ブラウザ向けのテキスト読み上げ機能付き拡大・代替コミュニケーション（AAC）システム