speech-synthesis

🐸💬 - 用于文字转语音的深度学习工具包，已在研究与生产环境中验证

VoxCPM2：无需分词器的多语言语音生成、创意语音设计与真实感克隆

为研究人员与开发者打造的可扩展生成式 AI 框架，支持大型语言模型、多模态与语音 AI（自动语音识别与文本转语音）

🧠 Leon 是你的开源个人助理

最先进的深度学习脚本，按模型组织，易于训练和部署，在企业级基础设施上提供可重现的准确度和性能。

闪电般快速、在设备上运行的多语言 TTS —— 通过 ONNX 原生运行

使用开源模型构建语音代理

Gradio WebUI 为创作者与开发者提供关键 TTS（Edge‑TTS、kokoro）与零样本语音克隆（E2 & F5‑TTS、CosyVoice），并支持 Whisper 音频处理、YouTube 下载、Demucs 人声分离与多语言翻译

易用的语音工具包，包含自监督学习模型、SOTA/流式 ASR（含标点）、流式 TTS（含文字前端）、说话者验证系统、端到端语音翻译与关键词检测。荣获 NAACL2022 最佳示范奖

在 Python 中使用 Microsoft Edge 的在线文字转语音服务，无需 Microsoft Edge、Windows 或 API 密钥

Amphion（/æmˈfaɪən/）是一个音频、音乐和语音生成工具箱，旨在支持可重复研究，帮助初学者和工程师快速进入音频、音乐和语音生成的研发领域。

端到端语音处理工具包

so-vits-svc 分支，支持实时功能、改进界面与更多特性

EmotiVoice 😊：多语音与提示控制的文字转语音引擎

一个基于 Apple MLX 框架的文字转语音（TTS）、语音转文字（STT）与语音转语音（STS）库，提供在 Apple Silicon 上高效的语音分析。

eSpeak NG 是支持超过百种语言与口音的开源语音合成器

StyleTTS 2：通过风格扩散与对抗训练，结合大型语音语言模型，迈向人类水平的文本转语音

Silero 模型：让预训练文字转语音模型变得极度简单

从 EPUB、PDF 和文本生成带同步字幕的有声书。

DiffSinger：通过浅层扩散机制的歌声合成（SVS & TTS）；AAAI 2022；官方代码

一个开源的文字转语音系统，通过反向 Whisper 构建

开放式歌唱合成平台 / 开源 UTAU 继任者

面向人类般表达式TTS的基础模型

Converts text to speech in realtime

:stuck_out_tongue_closed_eyes: TensorFlowTTS：Tensorflow 2 的实时最先进语音合成（支持英语、法语、韩语、中文、德语，易于扩展至其他语言）

Lingvo

来自 CAMB.AI 的 MARS5 语音模型 (TTS)

MARY TTS -- 一个以纯 Java 编写的开源多语言文字转语音合成系统

具备实时语音复制功能的越南语 TTS • 设备端 • 实时 CPU 推理 • 24kHz 音频质量 • Chuyển văn bản thành giọng nói tiếng Việt • Text to speech tiếng Việt • TTS tiếng Việt

HiFi-GAN：用于高效且高保真语音合成的生成对抗网络