#text-to-speech リポジトリ
リポジトリ合計261件
IndexTTSモデルを使用してComfyUIで高品質なテキスト音声変換を実現するカスタムノード。中国語と英語のテキストをサポートし、参照オーディオに基づいて音声特性を再現できます。
Unityを使用してAIチャット関連機能を実現します。このライブラリには現在、ChatGPT、ChatGLMなどの大規模言語モデルへのAPI呼び出しコード実装と、Microsoft AzureおよびBaidu AIの音声サービス機能が実装されています。音声サービスはすべてWeb APIを採用しており、Windows/WebGL/Androidなどのプラットフォームをサポートしています。
このプロジェクトの意図は、さまざまな音声合成エンジンの使用方法を統一し、複数の音声合成エンジンアダプターをサポートし、モジュールとして直接使用したり、バックエンドサービスを起動したりすることを可能にすることです。
Rapidaは、リアルタイムの会話音声エージェントを構築するための、音声ストリーミング、STT、TTS、VAD、多チャンネル統合、エージェント状態管理、観測性を備えたオープンソースのエンドツーエンド音声AIオーケストレーションプラットフォームです。
Claudemy:UdemyやCourseraに代わるオープンソースのサービスです。Claudeにテーマを伝えると、ウェブを調査し、出典付きの2分間の音声レッスンで構成されたコースを作成します。Claude Code用の無料スキルです。
ニュースレターを daily YouTube動画に変換するために、モーショングラフィックスとテキスト読み上げ合成を使用する全自動動画メーカー。
Chatterboxを使用したローカルでOpenAI互換のテキスト音声API(TTS)で、OpenAI APIが使用される場所(例:Open WebUI、AnythingLLMなど)でユーザーが音声クローンされたスピーチを生成できるようにします。
OpenAmika:MekaHimeのAIコンパニオンAmikaがオープンソースに。Live2Dアバター、リアルタイム音声、長期記憶を備え、OpenRouterまたはOllamaを頭脳として利用できます。
Flutter向けオンデバイスAI — Gemmaやその他のLLM、マルチモーダル、関数呼び出し、埋め込み、RAG、音声に対応し、Android、iOS、Web、macOS、Windows、Linuxで利用可能。
PDFやEPUBをオーディオブックに変換したり、字幕や動画を(翻訳を含む)吹き替え動画に変換したりできます。しかも無料です。Pandratorは、音声クローン(即時、RVC強化、XTTS微調整)やLLM処理を含むローカルモデルを使用しています。GUI、インストーラー、オールインワンパッケージを備えた、ユーザーフレンドリーなアプリを目指しています。
Mac (M1/M2/M3/M4) 上で Qwen3-TTS テキスト読み上げをローカル実行。音声クローン、音声デザイン、カスタムボイスに対応。MLX を使用して 100% オフラインで動作。
高品質なTTSオプション、同期ハイライト表示、EPUB、PDF、DOCX、TXT、MDのオーディオブック書き出しに対応した、オープンソースの音声読み上げ対応ドキュメントリーダーサーバー。
🎭 AIアバター/デジタルヒューマンプラットフォーム — 写真をアップロードし、声をクローンして、リップシンク動画であらゆる顔とリアルタイムに会話できます。オープンソースでセルフホスト対応。Claude · Whisper · Chatterbox · MuseTalk。
テキストファイルを入力として受け付け、文字制限のないChatterboxの修正版です。私はこれを使ってオーディオブック、特に子供たちのために作っています。
ComfyUI用OmniVoice TTSノード - ゼロショット多言語テキスト読み上げ、音声クローン、音声デザイン、マルチスピーカーダイアログ対応
Payload CMS向けのTypeScript AIプラグイン:拡張可能なプロバイダー、フィールド単位のプロンプト、アクセス制御、リッチテキスト統合に対応したテキスト・画像・音声生成。
🔥🔥🔥 LLMベースのマルチモーダル生成(画像、ビデオ、3D、オーディオ)に関する厳選された論文リスト。