voice-cloning

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。

MimikaStudio - macOS（Apple Silicon）向けのローカルファーストアプリケーション、Agentic MCPをサポート

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

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。

YouDubは、高品質なYouTube動画の翻訳と吹き替えを自動化し、中国のインターネット上に転載できるように設計されたオープンソースツールです。AI音声認識技術を使用して音声をテキストに変換し、大規模言語モデル（LLM）でテキストを中国語に翻訳し、最後にAI音声クローン技術で中国語を音声に変換します。これにより、元のYouTuberの声を再現した中国語吹き替え動画を作成できます。

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。

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。

パーソナライズされた音声クローン機能を備えた、世界初のオープンソースのリアルタイムエンドツーエンド音声対話モデル

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

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