speech-synthesis

🐸💬 - 用於文字轉語音的深度學習工具包，已在研究與生產環境中驗證

VoxCPM2：無需分詞器的多語言語音合成、創意語音設計與真實感克隆

為研究人員與開發者打造的可擴展生成式 AI 框架，支援大型語言模型、多模態與語音 AI（自動語音辨識與文字轉語音）

🧠 Leon 是你的開源個人助理

最先進的深度學習腳本，依模型分類，易於訓練與部署，於企業級基礎設施上提供可重現的準確度與效能。

閃電般快速、在裝置上執行的多語言 TTS —— 透過 ONNX 原生運行

使用開源模型構建語音代理

Gradio WebUI 為創作者與開發者提供關鍵 TTS（Edge‑TTS、kokoro）與零樣本語音克隆（E2 & F5‑TTS、CosyVoice），並支援 Whisper 音訊處理、YouTube 下載、Demucs 人聲分離與多語言翻譯

易用的語音工具包，包含自監督學習模型、SOTA/串流 ASR（含標點）、串流 TTS（含文字前端）、說話者驗證系統、端到端語音翻譯與關鍵詞偵測。榮獲 NAACL2022 最佳示範獎

在 Python 中使用 Microsoft Edge 的線上文字轉語音服務，無需 Microsoft Edge、Windows 或 API 金鑰

Amphion（/æmˈfaɪən/）是一套音訊、音樂與語音生成工具箱，旨在支援可重現的研究，協助初學者與工程師快速進入音訊、音樂與語音生成的研發領域。

端到端語音處理工具包

so-vits-svc 分支，支援即時功能、改進介面與更多特性

EmotiVoice 😊：多聲音與提示控制的文字轉語音引擎

一個基於 Apple MLX 框架的文字轉語音（TTS）、語音轉文字（STT）與語音轉語音（STS）函式庫，提供在 Apple Silicon 上高效的語音分析。

eSpeak NG 是支援超過百種語言與口音的開源語音合成器

StyleTTS 2：透過風格擴散與對抗式訓練，結合大型語音語言模型，朝向人類水平的文字轉語音

Silero 模型：讓預訓練文字轉語音模型變得極度簡單

從 EPUB、PDF 與文字產生有同步字幕的有聲書。

DiffSinger：通過淺層擴散機制的歌聲合成（SVS & TTS）；AAAI 2022；官方代碼

一個開源的文字轉語音系統，透過反向 Whisper 建構

开放式歌唱合成平台 / 开源 UTAU 继任者

面向人類般表達式TTS的基礎模型

Converts text to speech in realtime

:stuck_out_tongue_closed_eyes: TensorFlowTTS：Tensorflow 2 的實時最先進語音合成（支援英語、法語、韓語、中文、德語，易於擴展至其他語言）

Lingvo

來自 CAMB.AI 的 MARS5 語音模型 (TTS)

MARY TTS -- 一個以純 Java 編寫的開源多語言文字轉語音合成系統

具備即時語音複製功能的越南語 TTS • 裝置端 • 即時 CPU 推論 • 24kHz 音訊品質 • Chuyển văn bản thành giọng nói tiếng Việt • Text to speech tiếng Việt • TTS tiếng Việt

HiFi-GAN：用於高效且高傳真語音合成的生成對抗網路