text-to-speech

從 EPUB、PDF 與文字產生有同步字幕的有聲書。

開源語音 AI 平台。自託管替代 Vapi 和 Retell。可本地部署，BYOK，支援 Speech to Speech 或 LLM/STT/TTS，帶視覺工作流程建構器，MCP 原生與電話線路支援。

開源 AI 視頻本地化工具：自動完成 YouTube/Bilibili 視頻下載、字幕識別與翻譯、語音克隆配音、音軌混合與字幕壓縮。

Docker化的 OpenAI 兼容包，支援 Kokoro-82M 文本轉語音，跨平台 CPU、AMD、NVIDIA GPU PyTorch；多說話人、聲音混合、自動拼接、字幕時間戳、SSML、閱讀式網頁 UI

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

Python 用於實時通信的庫。

近乎即時的 OpenAI Whisper 實作

面向人類般表達式TTS的基礎模型

MOSS‑TTS Family 是 MOSI.AI 與 OpenMOSS 團隊開源的語音與聲音生成模型族，設計用於高保真度、高表現力與複雜實際場景，涵蓋穩定長篇語音、多說話者對話、聲音/角色設計、環境音效與即時串流 TTS

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）

A simple, high-quality voice conversion tool focused on ease of use and performance.

單一 Gradio + React WebUI，整合 ACE-Step、OmniVoice、Kimi Audio、Piper TTS、GPT-SoVITS、CosyVoice、XTTSv2、DIA、Kokoro、OpenVoice、ParlerTTS、Stable Audio、MMS、StyleTTS2、MAGNet、AudioGen、MusicGen、Tortoise、RVC、Vocos、Demucs、SeamlessM4T 與 Bark 的擴充功能！

ElevenLabs API 官方 Python SDK。

[AutoArk] GPA (General Purpose Audio) 只需一個極小的模型即可進行 ASR、TTS 與語音轉換！

aeneas 是一個 Python/C 函式庫與工具集，用於自動同步音訊與文字（即強制對齊）

來自 CAMB.AI 的 MARS5 語音模型 (TTS)

用於介接 Google Translate 文字轉語音 API 的 Python 函式庫與 CLI 工具。

🚀 一鍵部署（含離線整合包）！基於 ChatTTS ，支援串流輸出、音色抽卡、長音訊生成和分角色朗讀。簡單易用，無須複雜安裝。

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

適用於 Python 的離線文字轉語音合成

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

即時語音執行階段，讓 Agent 保持對話、運作與在線狀態。AI Agent 的即時語音執行階段。

HiFi-GAN：用於高效且高傳真語音合成的生成對抗網路

VALL-E (Zero-Shot Text-To-Speech) 的 PyTorch 實現，重現 Demo https://lifeiteng.github.io/valle/index.html

一款由 ggml 驅動的一體化純 C++ 音訊模型推理引擎。支援 TTS、STT、VAD、語音轉換、音樂生成等功能，具備高度優化的效能，無需依賴 Python。

支援超過 7000 種語言、可控制且快速的文字轉語音！

免費、高品質的文字轉語音 API 端點，可替代 OpenAI、Azure 或 ElevenLabs

具備類似 GPT-Live 功能的裝置端即時多模態 AI

專為 Claude Code 設計的 AI 原生影片製作工具包