#tts リポジトリ
リポジトリ合計222件
最もシンプルで低コストなAI統合ソリューションです。このプロジェクトが気に入ったら、スターを付けてくださいね~ | 最简单、最低成本的AI接入方案。喜欢本项目的话点个 Star 吧~
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。
🔥🔥 RustでのKokoro。https://huggingface.co/hexgrad/Kokoro-82M 驚異的な速さで、リアルタイムで高品質なTTS。
LLM、ASR、TTS、OCR、CVなどの技術を備えたAI VTuber、ライブ配信やMinecraftを一緒にプレイしましょう。
Voxtral ASR & TTS がネイティブおよびブラウザで動作。Burn ML フレームワークを使用した Mistral の Voxtral mini リアルタイム ASR/TTS の Rust 実装
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)
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。
MimikaStudio - macOS (Apple Silicon) 向けのローカルファーストアプリケーション + Agentic MCP サポート
MLX Omni Serverは、Apple Silicon(Mシリーズ)チップ専用に設計された、AppleのMLXフレームワークを搭載したローカル推論サーバーです。OpenAI互換のAPIエンドポイントを実装しており、既存のOpenAI SDKクライアントとのシームレスな統合を可能にし、ローカルML推論のパワーを活用します。
Thorsten-Voice: ライセンスの悩みなく、すべてのプロジェクトで利用可能な、無料でオフライン動作する高品質なドイツ語TTSボイスが提供されるべきです。
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。
Unreal Engine プラグイン for LLM/GenAI モデル & MCP UE5 サーバー。OpenAI GPT-5、Deepseek R1、Claude Opus/Sonnet、Gemini 3、Grok 4、Alibaba Qwen、Kimi、ElevenLabs TTS、Inworld、OpenRouter、Groq、GLM、Ollama、ローカル、Meshy、Tripo、Hunyuan3D、Rodin、fal、Dashscope、Seedream。NPC AI、エージェント型、チャット、3D 生成、TTS、マルチモーダル、画像生成。UnrealMCP/UnrealClaude
あらゆる声でPiperテキスト読み上げモデルを簡単に作成します。独自の音声録音でテキスト読み上げモデルを作成したり、数千のRVCボイスを使用したりできます。Raspberry Piでオフラインで動作します。任意のmetadata.csvファイル用のカスタムデータセットを迅速に録音し、トレーニング中のモデルを聞いてください。
AI動画ナレーションAgentスキルパック:シーンを自動編集し、映像を見てナレーション原稿を作成、音声収録とミキシングを行って完成動画を生成。Jianying/CapCut用の下書きとして書き出し可能、GPU不要|ナレーション付き動画要約とCapCut下書きのためのAgentスキル
「来剪」軽量級ビデオエディター。ウェブ版、デスクトップ版など無料で使用可能、機能はCapCutなどのエディターに着想を得た。軽量ビデオエディター。ウェブ、デスクトップなどで無料、CapCutなどのエディターにインスパイアされた機能。
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。
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
コンパニオンシップ、エンターテイメント、教育、ヘルスケア、IoTアプリケーション、DIYロボット工学のための会話型AIデバイス+ソフトウェアフレームワーク。Python、NextJS、Arduino、ESP32、LLMs(GPT-4o)、Deepgram STT、Azure TTSで構築 🤖