tts

🍦 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

💎 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

一个可以录制 Microsoft Edge 浏览器的语音合成（TTS）语音并输出为 .wav 音频的（windows平台）工具。

与 Claude Code 进行自然语音对话

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

小智ESP32的Java企业级管理平台，提供设备监控、音色定制、角色切换和对话记录管理的前后端及服务端一体化解决方案

鼠标悬停即时翻译任何语言 - Chrome 扩展程序：PDF 翻译、电子书、EPUB、OCR、语音合成、NETFLIX、YOUTUBE 双语字幕、GOOGLE DOCS、AI、查看器、GMAIL、书写、图片、双语字幕、漫画、悬停、字典、WEBTOON、EDGE、日语、英语

实时交互数字人，可自定义形象与音色，支持音色克隆，对话延迟低至 3 秒

双语会议的实时双向语音翻译 — 自动检测说话语言并进行双向翻译，支持云端或完全离线设备端。支持桌面版（Windows、macOS、Linux）以及适用于 Zoom、Meet、Teams 与任何应用程序的浏览器扩展程序（Chrome、Edge）。

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。

实时语音翻译 — 支持 macOS 与 Windows，免费 TTS，无需服务器，仅需您的 API 密钥

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

一个用于各种音频相关神经网络的 WebUI

基于 BERT 与 VITS 的最佳实践 TTS，并具备微软的一些自然语音特征；支持 ONNX 流式输出！

中文文字转语音引擎

一个 ComfyUI 自定义节点集成套件，用于本地多引擎、多语言文本转语音与语音转换。支持：RVC、Echo-TTS、Qwen3-TTS、Cozy Voice 3、Step Audio EditX、IndexTTS-2、Chatterbox（经典与多语言）、F5-TTS、Higgs Audio 2、3 与 VibeVoice，具备无限文本长度、SRT 计时、角色支持及多种音频工具

适用于 Apple Silicon 的 AI 语音工具组 — 由 MLX 与 CoreML 驱动的 ASR、TTS、语音转语音、VAD 与说话者分段

SGLang-Omni 为 TTS、ASR、语音与全能模型提供高性能服务。

Irina - 离线运行的俄语语音助手。通过插件支持技能。

多个 SVC/TTS 的 C++ 推理库

用于在 Youtube/Twitch 上进行串流直播的 AI Vtuber

NobodyWho 是一款推理引擎，让你能在任何设备上高效地在本地运行 LLM。

GLM-TTS：通过多奖励强化学习实现的可控且具情感表达力的 Zero-shot TTS

只需一个指令，即可从各种输入格式（epub、mobi、txt、PDF、HTML 等）创建听起来自然的有声书！

免费的在线文本转语音 API

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

一个简单的 VITS HTTP API，通过扩展 Moegoe 并加入额外功能开发而成。

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。