tts

🍦 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

汎用音声修復

Microsoft Edgeの音声合成（TTS）音声を録音し、.wav音声として出力するWindows向けツール

[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

Claude Code を使用した自然な音声会話

小智 ESP32 向けの Java エンタープライズレベル管理プラットフォーム。デバイス監視、音声カスタマイズ、キャラクター切り替え、対話履歴管理のためのフロントエンド、バックエンド、およびサーバーサイドの統合ソリューション

マウスポインターを合わせるだけであらゆる言語を即時翻訳 - Chrome 拡張機能: PDF 翻訳、EBOOK、EPUB、OCR、TTS、NETFLIX、YOUTUBE デュアル字幕、GOOGLE DOCS、AI、ビューアー、GMAIL、ライティング、画像、デュアル字幕、マンガ、ホバー、辞書、WEBTOON、EDGE、日本語、英語

リアルタイム音声対話型デジタルヒューマン。外見や音声のカスタマイズ、音声クローンに対応し、初期応答遅延は 3 秒未満。

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。

リアルタイム音声翻訳 — macOS および Windows、無料 TTS、サーバー不要、ご自身の API キーのみ使用

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

BERT と VITS に基づくベストプラクティスの TTS で、Microsoft の自然音声機能の一部を備えています。ONNX ストリーミング出力をサポート！

中国語のテキスト読み上げ（TTS）エンジン。

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。

バイリンガル会議向けのリアルタイム双方向音声翻訳 — 話された言語を自動検出し、クラウドまたはデバイス上で完全にオフラインで双方向に翻訳します。デスクトップ（Windows・macOS・Linux）に加え、Zoom、Meet、Teams やあらゆるアプリに対応するブラウザ拡張機能（Chrome・Edge）を備えています。

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

オフライン動作対応のロシア語音声アシスタント「Ирина」。プラグインによるスキルをサポート。

複数の SVC/TTS 用 C++ 推論ライブラリ

Youtube/Twitch 配信用の AI VTuber

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。

NobodyWho は、あらゆるデバイス上で LLM をローカルかつ効率的に実行できる推論エンジンです。

GLM-TTS: マルチリワード強化学習を用いた、制御可能で感情表現豊かなゼロショット TTS

1つのコマンドで、さまざまな入力形式（epub、mobi、txt、PDF、HTML など）から自然な音声のオーディオブックを作成します

無料のオンラインテキスト読み上げ API

YourTTS：誰でも使えるゼロショット・マルチスピーカーTTSおよびゼロショット音声変換に向けた取り組み

Moegoeを拡張し機能を追加して開発された、シンプルなVITS HTTP API。

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。