Tts 相关的热门 GitHub AI项目仓库

只需5秒钟克隆语音，即可实时生成任意语音内容

仅仅1分钟的语音数据就能训练出一个不错的语音合成模型！（少量样本语音克隆）

只需5秒钟，AI就能克隆你的声音，并实时生成任何你想要的语音内容。

一个用于日常对话的生成式语音模型。

开源免费的替代方案，可替代OpenAI、Claude等。支持本地自托管，无需GPU，可在家用硬件上运行。可直接替换OpenAI，支持gguf、transformers、diffusers等多种模型架构。功能包括：文本、音频、视频、图像生成，语音克隆，分布式和P2P推理。

麻省理工学院和MyShell公司研发的即时语音克隆技术，基于音频基础模型。

最先进的开源语音合成技术

一个可扩展的生成式AI框架，专为从事大型语言模型、多模态和语音AI（自动语音识别和文本转语音）研究和开发的科研人员和开发者而设计。

利用动态AI模型和声音克隆技术，将电子书转换成包含章节和元数据的有声书，支持1107多种语言！

一个快速、本地化的神经网络文本转语音系统

EmotiVoice：一款支持多音色和提示控制的文本转语音引擎

一个开源的微软VALL-E X零样本文本转语音模型实现。演示地址：https://plachtaa.github.io/vallex/

VITS：一种用于端到端文本转语音的基于对抗学习的条件变分自编码器

一个简洁的本地网页程序，利用ChatTTS技术将文字转换成语音，并提供外部API接口。

悟空机器人是一个简单易用、功能灵活、设计优雅的中文语音对话机器人/智能音箱项目。它支持与ChatGPT进行多轮对话，并且可能是首个支持脑机交互的开源智能音箱项目。

MyShell.ai 提供的高质量多语言文本转语音库，支持英语、西班牙语、法语、中文、日语和韩语。

StyleTTS 2：基于风格扩散和对抗训练的大型语音语言模型，迈向人类水平的文本转语音

这款视频翻译配音工具基于强大的AI大模型，提供专业级的翻译服务，一键即可完成所有流程。它生成的视频内容，能够完美适配抖音、小红书、哔哩哔哩、视频号、TikTok和YouTube Shorts等各种平台。

TEN智能代理是一款基于TEN技术的对话式语音AI代理，它整合了Deepseek、Gemini、OpenAI、RTC以及ESP32等硬件。它能够实现实时AI能力，例如视觉、听觉和语音，并完全兼容Dify和Coze等平台。

Nexa SDK是一个全面的工具包，支持GGML和ONNX模型。它支持文本生成、图像生成、视觉语言模型（VLM）、音频语言模型、自动语音识别（ASR）和文本转语音（TTS）功能。