#text-to-speech リポジトリ
リポジトリ合計261件
最先端の文字起こし、応答生成、テキスト読み上げモデルを試すためのモジュラー音声アシスタントアプリケーション。OpenAI、Groq、Elevenlabs、CartesiaAI、Deepgram APIをサポートし、Ollamaを介したローカルモデルも利用可能です。音声技術の研究開発に最適です。
AI駆動のマルチボイスオーディオブック生成器 — LLMスクリプト注釈、ボイスクローニング、ボイスデザイン、LoRAトレーニング、行ごとのスタイル制御、MP3、章付きM4B、またはAudacityマルチトラックへのエクスポート。Qwen3-TTSを基盤に構築。
オープンソースの音声AI SDK。スタックを所有したい開発者向けのVapi/Retell代替品。4行のコードでAIエージェントに電話番号を付与 — PythonとTypeScript、MITライセンス、Twilio、Telnyx、Plivo対応。
エージェント向けAI動画エディター。Codex、ChatGPT、Claude Code、Cursor、Grok、Gemini CLI、WorkBuddy、Doubao Work、Qwen Workに対応したChatCutプラグインとMCPサーバーです。チャットで自分の映像を編集し、キャプションや字幕の追加、無音部分やフィラー語の削除、モーショングラフィックスの作成を行い、編集可能なタイムラインを書き出せます。
強力な30億パラメータのLLMベース強化学習オーディオ編集モデルは、感情、話し方、パラ言語学の編集に優れており、堅牢なゼロショットテキスト読み上げ機能を備えています。
macOS上のClaude CodeとCodex向けのオープンソース(Apache 2.0)音声ツール。コーディングエージェントの進捗を読み上げます。音声はKokoroでローカルに生成でき、アカウントは不要です。お持ちのElevenLabsまたはSpeechifyのキーを使うこともできます。エージェントの完了時、失敗時、または承認が必要なときに、短い音声サマリーを聞けます。
PHP用の Vonage REST API クライアント。SMS、Voice、Text-to-Speech、Numbers、Verify (2FA) などの API サポート。
軽量でオフラインのAndroidテキスト読み上げ(TTS)エンジン。システム全体でのシームレスなボイスクローニングと高忠実度のテキスト読み上げを可能にします。/ Androidローカルで動作する軽量級テキスト読み上げ(TTS)エンジン。オフライン発音人抽出、ゼロ门槛音色クローニング、双エンジンシステム級グローバルリスニングブックをサポート。
テーマが与えられると、解説動画を自動生成する自動動画ジェネレーター。ユーザーがテーマのテキストを入力すると、システムは大規模言語モデルを呼び出してストーリーまたは解説テキストを生成し、次に音声合成インターフェースを呼び出して解説の音声を生成し、テキストから画像へのインターフェースを呼び出してテキストコンテンツに合った補足画像を生成し、最後に音声と補足画像を融合して解説動画を生成します。
sanoTTS(सानो はネパール語で「小さい」の意味):29万4,000~227万パラメーターのニューラル音声合成システム。3ドルのチップ上、ブラウザー内、またはPythonで動作し、低遅延ストリーミングに対応します。
Coqui AIのxtts_v2および/またはpiper ttsをバックエンドとして使用するOpenAI API互換のテキスト読み上げサーバー。
音声からテキストへ、テキストから音声へ。現在再生中の曲。テキストをOSCメッセージとしてVRChatに送信し、アバターに表示します。(STTTS) (音声からTTSへ) (VRC STTシステム) (VTuber TTS)
Ollama、Hugging Face Transformers、Coqui TTS Toolkit搭載のエンゲージングな会話のためのローカルボイスチャットボット
Vui Nano — 実際の会話で学習した、小型で文脈認識に対応する音声合成モデル。アクティブパラメータは2億1,900万(合計3億500万)、Apache 2.0、音声クローンとストリーミングに対応し、CPU上で動作します(依存関係のないCビルド)。完全なリアルタイム音声アシスタントを同梱:WebRTC、ASR、ローカルLLM、OpenAI Realtime API互換。