#text-to-speech Репозитории
Откройте для себя 260 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #text-to-speech, с общим числом 1,515,362 звёзд (в среднем 5,828 на проект). Лидером этой темы является harry0703/MoneyPrinterTurbo, набравший 144,921 звёзд.
Всего репозиториев: 261
Создавайте короткие видео в высоком разрешении по теме или ключевому слову с помощью автоматизированного рабочего процесса на основе ИИ.
VoiceStudio — это полностью локальная альтернатива ElevenLabs с открытым исходным кодом: клонирование голоса, дизайн голоса, дубляж видео, диктовка, транскрибация и создание аудиокниг на 646 языках.
Первая в мире система производства видео с открытым исходным кодом на основе агентов. 12 производственных конвейеров, более 100 инструментов, более 700 файлов навыков агентов и производственных знаний. Превратите вашего ИИ-помощника по кодированию в полноценную студию видеопроизводства.
Локальный интерфейс для запуска и обучения LLM и диффузионных моделей. Поддерживает GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX и другие.
1 минута голосовых данных также может быть использована для обучения хорошей TTS-модели! (клонирование голоса с малым количеством примеров)
🐸💬 - инструментарий глубокого обучения для преобразования текста в речь, испытанный в исследованиях и на производстве
VoxCPM2: TTS без токенизатора для многоязычной генерации речи, креативного дизайна голоса и реалистичного клонирования
🚀Клонируйте голос за 5 секунд для генерации произвольной речи в реальном времени
Мгновенное клонирование голоса от MIT и MyShell. Фундаментальная аудиомодель.
Промышленная управляемая и эффективная система нулевого выстрела для преобразования текста в речь
Многоязычная модель генерации большой голосовой речи, обеспечивающая полный набор возможностей для инференса, обучения и развертывания.
Переведите видео с одного языка на другой и встройте дубляж и субтитры.
Набор инструментов со стилями кинопроизводства, созданными с помощью кода для Claude Code: 99 готовых стилей и возможность создать собственные. Каждый стиль включает промпт и демонстрационный фильм, полностью созданный Claude Opus 5.5 с помощью кода, без использования видеомодели. Автор — Lemomo.
Преобразование речи в текст, преобразование текста в речь, диаризация дикторов, улучшение речи, разделение источников и VAD с использованием Kaldi следующего поколения с onnxruntime без подключения к Интернету. Поддержка встраиваемых систем, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, серверов x86_64, сервера/клиента websocket, поддержка 12 языков программирования
Официальный код для «F5-TTS: Сказочник, который имитирует беглую и точную речь с помощью Flow Matching»
Молниеносно быстрый, локальный, многоязычный TTS — работает нативно через ONNX.
Gradio WebUI для создателей и разработчиков, с основными функциями TTS (Edge-TTS, kokoro) и клонированием голоса без обучения (zero-shot Voice Cloning) (E2 & F5-TTS, CosyVoice), а также обработкой аудио Whisper, загрузкой с YouTube, выделением вокала Demucs и многоязычным переводом.
Используйте онлайн-сервис преобразования текста в речь Microsoft Edge из Python, НЕ устанавливая Microsoft Edge
🏠 Подключите колонку XiaoAi к ChatGPT и Doubao, превратив ее в вашего эксклюзивного голосового помощника.
Amphion (/æmˈfaɪən/) — это набор инструментов для генерации аудио, музыки и речи. Его цель — поддержка воспроизводимых исследований и помощь начинающим исследователям и инженерам в освоении области исследований и разработок в области генерации аудио, музыки и речи.
Zero-Shot редактирование речи и преобразование текста в речь в реальных условиях
Библиотека преобразования текста в речь (TTS), речи в текст (STT) и речи в речь (STS), построенная на базе фреймворка MLX от Apple, обеспечивающая эффективный анализ речи на Apple Silicon.
Предварительный выпуск ODS V3: публичное тестирование и доработка перед официальным запуском V3. Превратите свой ПК, Mac или компьютер под управлением Linux в частный ИИ-сервер.
Zonos-v0.1 — ведущая модель преобразования текста в речь с открытым весом, обученная на более чем 200 000 часах разнообразной многоязычной речи, обеспечивающая выразительность и качество, сравнимые или даже превосходящие лучшие TTS-решения.
Высококачественная многоязычная библиотека преобразования текста в речь от MyShell.ai. Поддержка английского, испанского, французского, китайского, японского и корейского языков.
eSpeak NG — это синтезатор речи с открытым исходным кодом, поддерживающий более ста языков и акцентов.
Этот репозиторий содержит тщательно отобранные ресурсы по инжинирингу промптов с акцентом на Generative Pre-trained Transformer (GPT), ChatGPT, PaLM и т. д.
ИИ моментально генерирует пакеты коротких видео, автоматически смешивает короткие видео, автоматически публикует видео на Douyin, Kuaishou, Xiaohongshu, Video Channel, зарабатывать деньги еще никогда не было так просто! Поддерживает локальные голосовые модели chatTTS, faster-whisper, GPTSoVITS, поддерживает облачные голоса: Azure, Alibaba Cloud, Tencent Cloud. Поддерживает Stable diffusion, comfyUI для прямой генерации изображений с помощью ИИ. Генерация коротких видео с помощью ИИ LLM в один клик, печатайте деньги вместе! Поддерживает: chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud.
Голосовая ИИ-платформа с открытым исходным кодом. Self-hosted альтернатива Vapi и Retell. Работает on-premise, поддерживает BYOK для Speech-to-Speech или LLM/STT/TTS, включает визуальный конструктор рабочих процессов, нативную поддержку MCP и телефонии.
Модели Silero: предварительно обученные модели преобразования текста в речь, доведенные до невероятной простоты
🎙️🤖Создавайте, настраивайте и общайтесь со своим ИИ-персонажем/компаньоном в реальном времени (все в одной кодовой базе!). Ведите естественный плавный разговор с ИИ везде (на мобильных устройствах, в Интернете и в терминале), используя LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
StyleTTS 2: На пути к преобразованию текста в речь человеческого уровня через диффузию стиля и состязательное обучение с большими языковыми моделями речи
Локализация и дубляж видео на базе ИИ с открытым исходным кодом для YouTube/Bilibili: распознавание речи, перевод субтитров, клонирование голоса, сведение звука и рендеринг. Инструмент с открытым исходным кодом для перевода и озвучивания видео с помощью ИИ.
Часто задаваемые вопросы
Какой репозиторий по теме #text-to-speech наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #text-to-speech на GitHub — harry0703/MoneyPrinterTurbo, набравший 144,921 звёзд. Создавайте короткие видео в высоком разрешении по теме или ключевому слову с помощью автоматизированного рабочего процесса на основе ИИ.
Какие языки программирования чаще всего используются в репозиториях по теме #text-to-speech?
Среди наиболее высоко оценённых проектов по теме #text-to-speech на GitHub чаще всего используются языки программирования Python, TypeScript, JavaScript, C++.
Как рассчитывается рейтинг репозиториев по теме #text-to-speech?
Мы отслеживаем 260 активных репозиториев с открытым исходным кодом, отмеченных тегом #text-to-speech (500 и более звёзд), с общим числом 1,515,362 звёзд и в среднем 5,828 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.