text-to-speech

利用 AI 大模型與自動化工作流程，依主題或關鍵字一鍵產生高清短影片。

本機 UI，用於執行與訓練 LLM 與擴散模型，支援 Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、DeepSeek-V4、FLUX 等多種模型

1 分鐘的語音資料也能用來訓練高品質的 TTS 模型！（少量樣本語音克隆）

世界首个开源代理式视频制作系统。12条生产流水线，100+ 工具，700+ 代理技能与生产知识文件。将你的 AI 编码助手变成完整的视频制作工作室

🐸💬 - 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

用於日常對話的生成式語音模型。

MIT 與 MyShell 合作的即時語音克隆，音頻基礎模型

🚀在 5 秒內克隆聲音，實時產生任意語音

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

工業級可控且高效的零樣本文字轉語音系統

多語言大型語音生成模型，提供推論、訓練與部署全端能力

一個能一次性生成超寫實對話的 TTS 模型

將影片從一種語言翻譯成另一種語言，並嵌入配音與字幕。

🧠 Leon 是你的開源個人助理

VoiceStudio 是開源、完全本地化的 ElevenLabs 替代方案——支援 646 種語言的語音克隆、語音設計、影片配音、口述、轉錄與有聲書製作。

使用次世代 Kaldi 與 onnxruntime 的語音轉文字、文字轉語音、說話者分離、語音增強、聲源分離與 VAD，支援離線運行。支援嵌入式系統、Android、iOS、HarmonyOS、Raspberry Pi、RISC‑V、RK NPU、Axera NPU、Ascend NPU、x86_64 伺服器、WebSocket 伺服器/客戶端，支援 12 種程式語言

閃電般快速、在裝置上執行的多語言 TTS —— 透過 ONNX 原生運行

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

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

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。

MyShell.ai 提供的高品質多語言文字轉語音庫，支援英語、西班牙語、法語、中文、日語與韓語

eSpeak NG 是支援超過百種語言與口音的開源語音合成器

Apple Silicon 上的本機語音 AI

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

本仓库包含手工挑选的 Prompt Engineering 资源，重点关注 Generative Pre-trained Transformer (GPT)、ChatGPT、PaLM 等

Silero 模型：讓預訓練文字轉語音模型變得極度簡單

將你的 PC、Mac 或 Linux 盒子變成 AI 伺服器。LLM 推理、聊天 UI、語音、代理、工作流程、RAG 與圖像生成