tts

ChatTTSを使用してテキストを音声に合成するシンプルなネイティブWebインターフェース。外部APIインターフェースのサポートも備えています。

MyShell.aiによる高品質な多言語テキスト読み上げ（Text-to-Speech）ライブラリ。English、Spanish、French、Chinese、Japanese、Koreanに対応。

🤖 wukong-robot は、シンプルで柔軟かつエレガントな中国語音声対話ロボット/スマートスピーカープロジェクトであり、ChatGPTのマルチターン対話能力をサポートしています。また、ブレイン・コンピューター・インターフェース（BCI）をサポートする初のオープンソーススマートスピーカープロジェクトである可能性があります。

StyleTTS 2: 大規模音声言語モデルを用いたスタイル拡散と敵対的学習による人間レベルのText-to-Speechへのアプローチ

人間らしい音声に向けて。

🎤 Microsoftの音声合成ツール。Electron + Vue + ElementPlus + Viteで構築。

Silero Models: 驚くほどシンプルな事前学習済みテキスト読み上げモデル

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。

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）

汎用AIGCビデオエンジン：スクリプトから完成作品までを単一のパイプラインで実現 — ドラマ、広告、製品ビデオ、乙女ゲームなど。

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

Whisperを反転させて構築されたオープンソースのテキスト読み上げ（TTS）システム。

これはAndroidシステムTTSアプリケーションであり、Microsoftのデモインターフェースを内蔵している。HTTPリクエストをカスタマイズでき、他のローカルTTSエンジンをインポート可能。さらに、中国語の二重引用符に基づいた簡単なナレーション/対話認識読み上げ、自動リトライ、バックアップ設定、テキスト置換などの機能も備えている。

MOSS-TTS-Nanoは、MOSI.AIとOpenMOSSチームによるオープンソースの多言語軽量音声生成モデルです。わずか0.1Bのパラメータで、リアルタイム音声生成向けに設計されており、GPUなしでCPU単体で動作可能であり、ローカルデモ、Webサービス、軽量な製品統合に適したシンプルなデプロイメントスタックを維持しています。

人間的で表現力豊かなTTSのための基盤モデル。

: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）

Streamer-Sales 銷冠 —— 販売ホストLLM大規模モデル🛒🎁。指定された商品の特徴に基づき、ユーザーの購買意欲を刺激する視点から商品解説を行う販売ホストLLM。🚀⭐詳細なデータ生成プロセスを含む❗ 📦さらに、LMDeployによる推論高速化🚀、RAG検索拡張生成 📚、TTS音声合成🔊、デジタルヒューマン生成 🦸、Agentによるネットワーク検索でのリアルタイム情報取得🌐、ASR音声文字起こし🎙️、Vueエコシステムによるフロントエンド構築🍍、FastAPIによるバックエンド構築🗝️、Docker-composeによるパッケージ化・デプロイ🐋

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！

[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！

openctpは、CTP株式・オプション、中泰証券XTP、華鑫証券奇点TORA、東方証券OST、東方財富証券EMT、インタラクティブ・ブローカーズTWS、易盛TAP、量投QDPなど、さまざまなチャネルのCTPAPI互換インターフェースを提供し、CTPプログラムが各株式カウンターとシームレスに連携できるようにします。また、TTS取引システムに基づいたシミュレーション環境も提供しており、同様にCTPAPI互換インターフェースを備え、国内外の先物・オプションの全銘柄だけでなく、A株の株式、ファンド、債券、株式オプションのシミュレーション取引もサポートし、Simnowの代替としてCTPアルゴリズムトレーディング開発者に24時間365日利用可能なシミュレーション環境を提供します。

Lingvo

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。

FLUX、Stable Diffusion、SDXL、SD3、LoRA、ファインチューニング、DreamBooth、学習、Automatic1111、Forge WebUI、SwarmUI、ディープフェイク、TTS、アニメーション、テキストから動画への変換、チュートリアル、ガイド、講義、コース、ComfyUI、Google Colab、RunPod、Kaggle、ノートブック、ControlNet、音声クローン、AI、AI ニュース、ML、ML ニュース、ニュース、テック、テックニュース、Kohya、Midjourney、RunPod

kokoro と onnx runtime を使用した 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

🤖️ クロスプラットフォーム対応のAI言語練習アプリ

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」

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

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）