text-to-speech

一個用於俄語和其他語言的免費開源語音合成器

為你的應用程式打造的自我編碼系統 — 適用於 Android 的 Alan AI SDK

GPT-SoVITS ONNX 推理引擎與模型轉換器

應用程式的自我編碼系統 — 用於 Flutter 的 Alan AI SDK

根據字幕檔自動翻譯影片文字，然後使用 AI 語音服務建立新的配音與翻譯音軌，並透過字幕的時間軸來同步語音。

一個可以用一鍵朗讀網頁內容的超棒瀏覽器擴充功能

透過 ExecuTorch 在 React Native 裝置端以宣告式方式執行 AI 模型。

應用程式的自我編碼系統 — 適用於 Ionic 的 Alan AI SDK

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。

主題 → 適用於 Coding Agent 的 4K 旁白影片。v4.0：所有 TTS 皆透過 ttsCN 引擎元件（包含 MiniMax 聲音複製等 11 個平台、原生詞級字幕同步）、基於 manifest 的資產引擎、Remotion 合成、成本受控的 AI 生成

官方 MiniMax Model Context Protocol (MCP) 伺服器，可與強大的文字轉語音、影像生成和影片生成 API 進行互動。

針對 Apple Silicon 的高效能 OpenAI 與 Anthropic 相容 LLM 推論伺服器。原生支援 MLX、連續批次處理、多模態模型、MCP 工具呼叫以及 Claude Code。

適用於 Microsoft VibeVoice 文字轉語音模型的完整 ComfyUI 整合，讓您能在 ComfyUI 工作流程中直接進行高品質的單人與多人語音合成。

Soprano：即時、超擬真的文字轉語音

與你的 Mac 對話、查詢你的文件，無需雲端。裝置端語音 AI + RAG

會說話的頭像 (3D)：使用全身 3D 頭像進行即時對嘴的 JavaScript 類別。

用於輕鬆合成人聲的 Python/PyTorch 應用程式

OuteTTS 模型的介面。

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。

🍦 Speech-AI-Forge 是一個圍繞 TTS 生成模型開發的專案，實作了 API 伺服器與基於 Gradio 的 WebUI。

影片同步翻譯與影片配音

💎 適用於 ASR、TTS 及其他語音技術的無障礙語音語料庫清單

在配備 Apple Silicon 的 Mac 上微調 LLMs。支援 SFT、DPO、GRPO、Vision、TTS、STT、Embedding 與 OCR 微調 —— 基於 MLX 原生實現。相容 Unsloth API。

[ICASSP 2024] 🍵 Matcha-TTS：具備條件式流匹配（Conditional Flow Matching）的高效 TTS 架構

[ICLR 2025] 針對音訊語言建模、每秒 40/75 個 token 的 SOTA 離散聲學編解碼器模型

用於藝術、即時語音對話、LLM 驅動的聊天機器人與自動化工作流程的離線推論引擎

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。

一個用於各種音訊相關神經網路的 WebUI

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