text-to-speech

Flutter 用テキスト読み上げ（Text to Speech）パッケージ

🔊 Kokoro Web: 無料のAIテキスト読み上げ、オンラインまたはセルフホスト、OpenAI互換！

Rapidaは、音声ストリーミング、STT、TTS、VAD、マルチチャネル統合、エージェント状態管理、オブザーバビリティを備えたリアルタイム会話型音声エージェントを構築するための、オープンソースのエンドツーエンド音声AIオーケストレーションプラットフォームです。

OBS、VRChat、Twitchチャット、Discord向けの音声認識（Speech to Text）およびKB入力字幕

PyTorch による、MetaAI の新しい SOTA Text-to-speech ネットワーク Voicebox の実装

モーショングラフィックスと音声合成を使用し、ニュースレターを毎日のYouTube動画に自動変換するフルオート動画メーカー

OpenAI Whisper と TensorFlow Lite を使用した Android 向けオフライン音声認識

Chatterboxを使用したローカルなOpenAI互換の音声合成（TTS）API。OpenAI APIが使用されるあらゆる場所（Open WebUI、AnythingLLMなど）で音声クローンによる音声生成を可能にします

📚 20以上の言語、1000以上の辞書でのダブルクリック検索、音声読み上げ、翻訳、Anki連携をサポートするカスタマイズ可能な辞書拡張機能。

LLaSA: LLaMA ベースの音声合成に向けた学習時および推論時の計算のスケーリング

MLXでのF5-TTSの実装

PDF や EPUB をオーディオブックに、字幕や動画を（翻訳を含む）吹き替え動画に変換するなど。無料で使用できます。Pandrator は、音声クローン（インスタント、RVC 拡張、XTTS ファインチューニング）や LLM 処理などのローカルモデルを使用します。GUI、インストーラー、オールインワンパッケージを備えた、ユーザーフレンドリーなアプリを目指しています。

TikTok TTS APIと連携するシンプルなPythonスクリプト

VibeVoice TTS用のComfyUIカスタムノード。表現豊かで長文、マルチスピーカーの対話型オーディオ

テキストファイルを入力として受け付け、文字数制限のない Chatterbox の改造版です。主に子供向けのオーディオブックを作成するために使用しています。

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

Mac（M1/M2/M3/M4）でQwen3-TTSテキスト読み上げをローカル実行。音声クローン、音声デザイン、カスタム音声に対応。MLXを使用した100%オフライン動作。

🔥🔥🔥 LLMベースのマルチモーダル生成（画像、動画、3D、音声）に関する厳選された論文リスト

LM Studioを使用してOrpheus 3Bをローカルで実行する

PyTorch による非公式の vits2-TTS 実装

AI Pluginは、Payload CMS向けの強力な拡張機能であり、高度なAI機能を統合してコンテンツの作成と管理を強化します。

ComfyUI用のOmniVoice TTSノード - 音声クローン、音声デザイン、マルチスピーカー対話に対応したゼロショット多言語音声合成

Lightning-fast, free, local first voice dictation for macOS with on-device transcription

Elite Dangerous用コンパニオンアプリケーション。

E2-TTS（「Embarrassingly Easy Fully Non-Autoregressive Zero-Shot TTS」）の PyTorch による実装

ベトナム語の音声クローン作成テキスト読み上げモデル ✨

WebRTC、REST、WSを介してASR/STT、TTS、LLMをサポートする、オープンソースかつローカル、セルフホスト型の高度に最適化された言語推論サーバー

表現力豊かな音声とリアルなゼロショット音声クローンを実現する ComfyUI ノード

An open-source read-along document reader server with high-quality TTS options, synchronized highlighting, and audiobook export for EPUB, PDF, DOCX, TXT, and MD.