text-to-speech

一个用于俄语和其他语言的免费开源语音合成器

为你的应用程序打造的自我编码系统 — 适用于 Android 的 Alan AI SDK

GPT-SoVITS ONNX 推理引擎与模型转换器

应用程序的自我编码系统 — 用于 Flutter 的 Alan AI SDK

根据字幕文件自动翻译视频文本，然后使用 AI 语音服务创建新的配音与翻译音轨，并使用字幕的时间轴来同步语音。

一个可以一键朗读网页内容的超棒浏览器扩展

借助 ExecuTorch 在 React Native 设备端以声明式方式运行 AI 模型。

应用程序的自我编码系统 — 适用于 Ionic 的 Alan AI SDK

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。

主题 → 适用于 Coding Agent 的 4K 旁白视频。v4.0：所有 TTS 均通过 ttsCN 引擎组件（包含 MiniMax 声音克隆等 11 个平台、原生词级字幕同步）、基于 manifest 的资产引擎、Remotion 合成、成本受控的 AI 生成

Soprano：即时、超逼真的文字转语音

官方 MiniMax Model Context Protocol (MCP) 服务器，可与强大的文本转语音、图像生成和视频生成 API 进行交互。

针对 Apple Silicon 的高性能 OpenAI 与 Anthropic 兼容 LLM 推理服务器。原生支持 MLX、连续批处理、多模态模型、MCP 工具调用以及 Claude Code。

适用于 Microsoft VibeVoice 文本转语音模型的完整 ComfyUI 集成，让您能在 ComfyUI 工作流程中直接进行高质量的单人与多人语音合成。

会说话的头像 (3D)：使用全身 3D 头像进行实时对嘴的 JavaScript 类。

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。

OuteTTS 模型的介面。

用于轻松合成人声的 Python/PyTorch 应用程序

🍦 Speech-AI-Forge 是一个围绕 TTS 生成模型开发的项目，实现了 API 服务器与基于 Gradio 的 WebUI。

视频同步翻译与视频配音

在配备 Apple Silicon 的 Mac 上微调 LLMs。支持 SFT、DPO、GRPO、Vision、TTS、STT、Embedding 与 OCR 微调 —— 基于 MLX 原生实现。兼容 Unsloth API。

💎 适用于 ASR、TTS 及其他语音技术的无障碍语音语料库列表

MOSS-TTSD 是一个专为具表现力的多说话人合成而设计的语音对话生成模型。具备长上下文建模、灵活的说话人控制与多语言支持，同时可通过短语音参考实现零样本语音克隆。

[ICASSP 2024] 🍵 Matcha-TTS：具备条件式流匹配（Conditional Flow Matching）的高效 TTS 架构

[ICLR 2025] 针对音频语言建模、每秒 40/75 个 token 的 SOTA 离散声学编解码器模型

用于艺术、实时语音对话、LLM 驱动的聊天机器人与自动化工作流程的离线推理引擎

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。

适用于 Windows、Linux 与 macOS 的无审查本地 AI 工作室。零设置图形界面，支持图像生成、GGUF LLM、文本转语音与语音转文本

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