speech-synthesis

一个具备语音功能的开源 ChatGPT 应用程序

支持超过 7000 种语言、可控制且快速的文字转语音！

一个用于俄语和其他语言的免费开源语音合成器

使用 PyTorch 的非官方 Parallel WaveGAN（含 MelGAN、Multi-band MelGAN、HiFi-GAN 与 StyleMelGAN）

Speech Note Linux 应用程序。具备离线语音转文字、文字转语音以及机器翻译的笔记、阅读与翻译功能。

扩展 ComfyUI 功能的自定义节点

软件自动语音合成器 - 微型语音合成器

用于口语语言处理的统一模态语音文字预训练

自架强大的 Chatterbox TTS 模型。此服务器提供用户友好的 Web UI、灵活的 API 端点（包含兼容 OpenAI）、预定义语音、语音克隆，以及大型有声书规模的文本处理。可在 NVIDIA (CUDA)、AMD (ROCm) 和 CPU 上加速运行。

💎 适用于 ASR、TTS 及其他语音技术的无障碍语音语料库列表

通用语音还原

高质量的语音分析、处理与合成系统

StreamSpeech 是一个用于离线与同步语音识别、语音翻译及语音合成的“一体化”无缝模型。

基于 Flow Matching 且支持 Emoji 驱动风格控制的文本转语音模型

BigVGAN 官方 PyTorch 实现 (ICLR 2023)

Irina - 离线运行的俄语语音助手。通过插件支持技能。

用于在 Youtube/Twitch 上进行串流直播的 AI Vtuber

AutoVC：仅使用自动编码器损失的 Zero-Shot 语音风格转换

YourTTS：实现全民皆可用的零样本多发音人 TTS 与零样本语音转换

微软语音合成 (Text-to-Speech) API 多语言示例代码，属于 Cognitive Services 的一部分。

AI 驱动的多语音有声书生成器 — LLM 脚本注解、语音复制、语音设计、LoRA 训练、逐行风格控制，以及导出为 MP3、分章 M4B 或 Audacity 多轨。基于 Qwen3-TTS 构建。

NISQA - 非侵入式语音质量与 TTS 自然度评估

让任何兼容 SAPI 5 的应用程序都能使用 Azure 自然 TTS 语音。

一个由 LLM 驱动的开源基础 TTS 系统

一个无需互联网即可在你自己的计算机上运行的会说话的 LLM。

DiffWave 是一个快速、高质量的神经声码器与波形合成器。

Confucius4-TTS：多语言与跨语言 Zero-Shot TTS 引擎

实时语音助手 —— WebRTC 流式传输、faster-whisper ASR、本地 LLM、Vui Nano (300M) TTS。兼容 OpenAI Realtime API。支持语音克隆、插话打断，在 4090 上约有 9 倍实时性能。采用 Apache 2.0 许可证。

Thorsten-Voice：一个免费、离线运行、高质量的德语 TTS 语音，适用于任何项目，免受版权困扰。

INTERSPEECH 2023-2024 论文集：收录 INTERSPEECH 2023-24 会议中具有影响力与精彩的研究论文。探索语音与语言处理的最新进展。内含代码。为此存储库点 Star 以支持语音技术的发展！