text-to-speech

从 EPUB、PDF 和文本生成带同步字幕的有声书。

开源语音 AI 平台。自托管替代 Vapi 和 Retell。可本地部署，BYOK，支持 Speech to Speech 或 LLM/STT/TTS，带视觉工作流程构建器，MCP 原生与电话线路支持。

开源 AI 视频本地化工具：自动完成 YouTube/Bilibili 视频下载、字幕识别与翻译、语音克隆配音、音轨混合与字幕压缩。

Docker化的 OpenAI 兼容包，支持 Kokoro-82M 文本转语音，跨平台 CPU、AMD、NVIDIA GPU PyTorch；多说话人、声音混合、自动拼接、字幕时间戳、SSML、阅读式网页 UI

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

Python 用于实时通信的库。

近乎实时的 OpenAI Whisper 实作

面向人类般表达式TTS的基础模型

MOSS‑TTS Family 是 MOSI.AI 与 OpenMOSS 团队开源的语音与声音生成模型族，设计用于高保真度、高表现力与复杂实际场景，涵盖稳定长篇语音、多说话者对话、声音/角色设计、环境音效与实时串流 TTS

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）

A simple, high-quality voice conversion tool focused on ease of use and performance.

单一 Gradio + React WebUI，整合 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 与 Bark 的扩展功能！

ElevenLabs API 官方 Python SDK。

[AutoArk] GPA (General Purpose Audio) 只需一个极小的模型即可进行 ASR、TTS 与语音转换！

aeneas 是一个 Python/C 库和工具集，用于自动同步音频和文本（即强制对齐）

来自 CAMB.AI 的 MARS5 语音模型 (TTS)

用于对接 Google Translate 文本转语音 API 的 Python 库与 CLI 工具。

🚀 一键部署（含离线整合包）！基于 ChatTTS ，支持流式输出、音色抽卡、长音频生成和分角色朗读。简单易用，无需复杂安装。

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

适用于 Python 的离线文本转语音合成

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

实时语音运行时，让 Agent 保持对话、运作与在线状态。AI Agent 的实时语音运行时。

HiFi-GAN：用于高效且高保真语音合成的生成对抗网络

VALL-E (Zero-Shot Text-To-Speech) 的 PyTorch 实现，复现 Demo https://lifeiteng.github.io/valle/index.html

一款由 ggml 驱动的一体化纯 C++ 音频模型推理引擎。支持 TTS、STT、VAD、语音转换、音乐生成等功能，具备高度优化的性能，无 Python 依赖。

支持超过 7000 种语言、可控制且快速的文字转语音！

免费、高质量的文本转语音 API 端点，可替代 OpenAI、Azure 或 ElevenLabs

具备类似 GPT-Live 功能的设备端实时多模态 AI

专为 Claude Code 设计的 AI 原生视频制作工具包