text-to-speech

一個 ComfyUI 自訂節點整合套件，用於本機多引擎、多語言文字轉語音與語音轉換。支援：RVC、Echo-TTS、Qwen3-TTS、Cozy Voice 3、Step Audio EditX、IndexTTS-2、Chatterbox（經典與多語言）、F5-TTS、Higgs Audio 2、3 與 VibeVoice，具備無限文字長度、SRT 計時、角色支援及多種音訊工具

使用 Apple Foundation Models 框架建構、測試與評估應用程式的實作實驗室。

能夠即時串流對話語音的 TTS 模型。

適用於 Apple Silicon 的 AI 語音工具組 — 由 MLX 與 CoreML 驅動的 ASR、TTS、語音轉語音、VAD 與說話者分段

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

SGLang-Omni 為 TTS、ASR、語音與全能模型提供高效能服務。

適用於 Windows、Linux 與 macOS 的無審查本地 AI 工作室。零設定圖形介面，支援圖像生成、GGUF LLM、文字轉語音與語音轉文字

開源語音 AI SDK。專為想掌控技術堆疊的開發者打造的 Vapi/Retell 替代方案。只要 4 行程式碼就能賦予 AI 代理電話號碼——支援 Python 與 TypeScript，採 MIT 授權，整合 Twilio、Telnyx 與 Plivo。

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。

強大的 3B 參數、基於 LLM 的強化學習音訊編輯模型，擅長編輯情感、說話風格與副語言學，並具備強大的零樣本文字轉語音功能

NISQA - 非侵入式語音品質與 TTS 自然度評估

Botium 語音處理

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

適用於 PHP 的 Vonage REST API 客戶端。支援 SMS、語音、文字轉語音、號碼、驗證 (2FA) 等 API。

一個由 LLM 驅動的開源基礎 TTS 系統

Elite Dangerous 的船長日誌與 3D 星圖

DiffWave 是一個快速、高品質的神經聲碼器與波形合成器。

C/C++ 版本的 Suno AI Bark 模型，用於快速文字轉語音生成

無需 ROOT 的開源 Android 螢幕即時翻譯工具，適合遊戲、視覺小說和漫畫。支援端側與雲端 OCR、離線 LLM、多種翻譯服務和文字朗讀（TTS），譯文可直接顯示在畫面上。

執行於 Android 本地的輕量級文字轉語音 (TTS) 引擎，支援無縫的系統級全域語音複製與高傳真文字朗讀。

具備有聲書品質文字轉語音功能的終端機電子書閱讀器 — 支援 EPUB、PDF、DOCX、HTML、RTF、TXT 與 MD。

語音轉文字再轉語音。歌曲正在播放中。將文字作為 OSC 訊息傳送至 VRChat 以顯示在虛擬化身上。(STTTS) (Speech to TTS) (VRC STT System) (VTuber TTS)

🎤 Lobe TTS - 適用於伺服器與瀏覽器的高品質且可靠的 TTS/STT 程式庫

開源、優先本地端的影片編輯器，創作者與 AI 代理可編輯同一個真實時間軸

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

用於引人入勝對話的本機語音聊天機器人，由 Ollama、Hugging Face Transformers 與 Coqui TTS Toolkit 提供支援

一個用於在 Apple Silicon 上透過 MLX 進行音訊處理的模組化 Swift SDK。

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。

為瀏覽器提供文字轉語音功能的輔助與替代溝通（AAC）系統