speech-synthesis

一個具備語音功能的開源 ChatGPT 應用程式

支援超過 7000 種語言、可控制且快速的文字轉語音！

一個用於俄語和其他語言的免費開源語音合成器

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

Speech Note Linux 應用程式。具備離線語音轉文字、文字轉語音以及機器翻譯的筆記、閱讀與翻譯功能。

擴充 ComfyUI 功能的自訂節點

軟體自動語音合成器 - 微型語音合成器

用於口語語言處理的統一模態語音文字預訓練

自架強大的 Chatterbox TTS 模型。此伺服器提供使用者友善的 Web UI、靈活的 API 端點（包含相容 OpenAI）、預定義語音、語音複製，以及大型有聲書規模的文字處理。可在 NVIDIA (CUDA)、AMD (ROCm) 和 CPU 上加速執行。

💎 適用於 ASR、TTS 及其他語音技術的無障礙語音語料庫清單

通用語音還原

高品質的語音分析、處理與合成系統

StreamSpeech 是一個用於離線與同步語音辨識、語音翻譯及語音合成的「一體化」無縫模型。

基於 Flow Matching 且支援 Emoji 驅動風格控制的文字轉語音模型

BigVGAN 官方 PyTorch 實現 (ICLR 2023)

Irina - 離線執行的俄語語音助理。透過外掛程式支援技能。

用於在 Youtube/Twitch 上進行串流直播的 AI Vtuber

AutoVC：僅使用自動編碼器損失的 Zero-Shot 語音風格轉換

YourTTS：實現全民皆可用的零樣本多發音人 TTS 與零樣本語音轉換

微軟語音合成 (Text-to-Speech) API 多語言範例程式碼，屬於 Cognitive Services 的一部分。

AI 驅動的多語音有聲書產生器 — LLM 腳本註解、語音複製、語音設計、LoRA 訓練、逐行風格控制，以及匯出為 MP3、分章 M4B 或 Audacity 多軌。基於 Qwen3-TTS 構建。

NISQA - 非侵入式語音品質與 TTS 自然度評估

讓任何相容 SAPI 5 的應用程式都能使用 Azure 自然 TTS 語音。

一個由 LLM 驅動的開源基礎 TTS 系統

一個無需網際網路即可在您自己的電腦上執行的會說話 LLM。

DiffWave 是一個快速、高品質的神經聲碼器與波形合成器。

Confucius4-TTS：多語言與跨語言 Zero-Shot TTS 引擎

即時語音助理 —— WebRTC 串流、faster-whisper ASR、本地 LLM、Vui Nano (300M) TTS。相容 OpenAI Realtime API。支援語音複製、插話打斷，在 4090 上約有 9 倍即時效能。採用 Apache 2.0 授權。

Thorsten-Voice：一個免費、離線執行、高品質的德語 TTS 語音，適用於任何專案，免受版權困擾。

INTERSPEECH 2023-2024 論文集：收錄 INTERSPEECH 2023-24 會議中具有影響力與精彩的研究論文。探索語音與語言處理的最新進展。內含程式碼。為此儲存庫按 Star 以支援語音技術的發展！