Git Stars Git Stars

#speech-synthesis 仓库

100
仓库总数
559,718
总星标数
5,597
平均每个仓库星标数

共 101 个仓库

51
devnen/Chatterbox-TTS-Server

自托管功能强大的Chatterbox TTS模型。该服务器提供用户友好的Web UI,灵活的API端点(包括兼容OpenAI的端点),预设语音,语音克隆以及大规模有声读物级别的文本处理。可在NVIDIA(CUDA)、AMD(ROCm)和CPU上加速运行。

devnen
⭐ 1,517 Python 👤 devnen User 🕐 已更新 2026-05-26 📅 创建时间 2025-05-31
53
OpenMOSS/MOSS-TTSD

一种用于长篇、多说话人对话合成的多语言模型,支持灵活的说话人控制和零样本语音克隆

OpenMOSS
⭐ 1,423 Python 👤 OpenMOSS Organization 🕐 已更新 2026-09-06 📅 创建时间 2025-06-17
54
microsoft/SpeechT5

面向口语处理的统一模态语音-文本预训练

microsoft
⭐ 1,420 Python 👤 microsoft Organization 🕐 已更新 2024-04-24 📅 创建时间 2022-02-08
55
s-macke/SAM

Software Automatic Mouth - 微型语音合成器

s-macke
⭐ 1,384 C 👤 s-macke User 🕐 已更新 2024-06-10 📅 创建时间 2013-05-13
56
coqui-ai/open-speech-corpora

💎 ASR、TTS 及其他语音技术的可访问语音语料库列表

coqui-ai
⭐ 1,377 👤 coqui-ai Organization 🕐 已更新 2024-06-06 📅 创建时间 2019-01-31
57
mmorise/World

高质量语音分析、操纵和合成系统

mmorise
⭐ 1,363 C++ 👤 mmorise User 🕐 已更新 2026-10-09 📅 创建时间 2015-11-15
58
haoheliu/voicefixer

通用语音恢复

haoheliu
⭐ 1,337 Python 👤 haoheliu User 🕐 已更新 2025-02-17 📅 创建时间 2021-09-06
59
ictnlp/StreamSpeech

StreamSpeech 是一个用于离线和同声语音识别、语音翻译和语音合成的“一体化”无缝模型。

ictnlp
⭐ 1,274 Python 👤 ictnlp Organization 🕐 已更新 2025-06-29 📅 创建时间 2024-06-04
60
janvarev/Irene-Voice-Assistant

Irina是一款用于离线工作的俄罗斯语音助手。支持通过插件进行的技能。

janvarev
⭐ 1,184 Python 👤 janvarev User 🕐 已更新 2026-07-26 📅 创建时间 2021-12-14
61
NVIDIA/BigVGAN

BigVGAN (ICLR 2023) 的官方 PyTorch 实现

NVIDIA
⭐ 1,164 Python 👤 NVIDIA Organization 🕐 已更新 2024-09-05 📅 创建时间 2022-06-07
63
VOICEVOX/voicevox_core

免费使用的中等质量文本转语音软件VOICEVOX的核心

VOICEVOX
⭐ 1,150 Rust 👤 VOICEVOX Organization 🕐 已更新 2026-11-21 📅 创建时间 2021-08-31
64
ardha27/AI-Waifu-Vtuber

用于在Youtube/Twitch上直播的AI虚拟主播

ardha27
⭐ 1,124 Python 👤 ardha27 User 🕐 已更新 2026-05-31 📅 创建时间 2023-03-11
65
k2-fsa/ZipVoice

使用流匹配实现快速高质量的零样本文本到语音转换

k2-fsa
⭐ 1,114 Python 👤 k2-fsa Organization 🕐 已更新 2025-12-02 📅 创建时间 2025-06-20
66
Finrandojin/alexandria-audiobook

AI驱动的多声音有声书生成器 — LLM脚本标注、声音克隆、声音设计、LoRA训练、逐行风格控制,并导出为MP3、分章M4B或Audacity多轨。基于Qwen3-TTS构建。

Finrandojin
⭐ 1,105 Python 👤 Finrandojin User 🕐 已更新 2026-08-02 📅 创建时间 2026-02-03
67
auspicious3000/autovc

AutoVC:仅使用自编码器损失的零样本语音风格迁移

auspicious3000
⭐ 1,085 Python 👤 auspicious3000 User 🕐 已更新 2024-10-23 📅 创建时间 2019-05-14
68
Makememo/MemoAI

MemoAI 视频轻松转换为翻译文本、字幕和笔记。

Makememo
⭐ 1,082 👤 Makememo User 🕐 已更新 2026-11-16 📅 创建时间 2023-07-30
69
Edresson/YourTTS

YourTTS:面向所有人的零样本多说话人TTS和零样本语音转换

Edresson
⭐ 1,045 Jupyter Notebook 👤 Edresson User 🕐 已更新 2024-11-04 📅 创建时间 2021-10-06
70
gexgd0419/NaturalVoiceSAPIAdapter

让 Azure 自然 TTS 语音可供任何 SAPI 5 兼容的应用程序访问。

gexgd0419
⭐ 1,025 C++ 👤 gexgd0419 User 🕐 已更新 2026-10-27 📅 创建时间 2023-12-15
71
Azure-Samples/Cognitive-Speech-TTS

Microsoft 文本转语音 API 示例

Azure-Samples
⭐ 1,020 Python 👤 Azure-Samples Organization 🕐 已更新 2026-11-16 📅 创建时间 2016-05-31
72
festvox/flite

一个小型快速便携式语音合成系统

festvox
⭐ 1,011 C 👤 festvox User 🕐 已更新 2024-07-03 📅 创建时间 2017-10-21
74
FireRedTeam/FireRedTTS

一个开源的LLM驱动的TTS基础系统

FireRedTeam
⭐ 925 Python 👤 FireRedTeam Organization 🕐 已更新 2025-09-28 📅 创建时间 2024-08-15
75
gabrielmittag/NISQA

NISQA - 非侵入式语音质量和TTS自然度评估

gabrielmittag
⭐ 899 Python 👤 gabrielmittag User 🕐 已更新 2024-12-01 📅 创建时间 2019-02-14
76
vndee/local-talking-llm

一个可以在您自己的计算机上运行、无需互联网即可使用的会说话的LLM。

vndee
⭐ 896 Python 👤 vndee User 🕐 已更新 2026-04-04 📅 创建时间 2024-03-24
77
lmnt-com/diffwave

DiffWave是一个快速、高质量的神经元声码器和波形合成器。

lmnt-com
⭐ 876 Python 👤 lmnt-com Organization 🕐 已更新 2024-03-26 📅 创建时间 2020-09-23
78
LuoGen-AI/LuoGen-agent

一键产出爆款视频:1.自动提取对标文案 2.自动进行文案仿写 3.自动根据文案声音克隆 4.自动生成数字人口播 5.自动添加字幕 6.自动添加背景音乐 7.自动添加视频标题 8.自动生成视频封面 9.自动将视频发布到各平台

LuoGen-AI
⭐ 870 Python 👤 LuoGen-AI User 🕐 已更新 2025-10-03 📅 创建时间 2025-10-02
79
netease-youdao/Confucius4-TTS

Confucius4-TTS:一个多语言和跨语言零样本语音合成引擎

netease-youdao
⭐ 861 Python 👤 netease-youdao User 🕐 已更新 2026-11-04 📅 创建时间 2026-05-19
80
Ampixa/sanoTTS

sanoTTS(सानो 在尼泊尔语中意为“小”):一款拥有 29.4 万至 227 万参数的神经网络文本转语音系统,可在售价 3 美元的芯片上、浏览器中或 Python 中运行,并支持低延迟流式传输。

Ampixa
⭐ 851 C 👤 Ampixa Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-07-11
81
JeremyCCHsu/Python-Wrapper-for-World-Vocoder

高品质声码器 "World" 的 Python 包装器

JeremyCCHsu
⭐ 796 Cython 👤 JeremyCCHsu User 🕐 已更新 2026-08-20 📅 创建时间 2016-05-24
83
fluxions-ai/vui

Vui Nano——一个在真实对话上训练的小型上下文感知文本转语音模型。219M 活跃参数(总计 305M),采用 Apache 2.0 许可证,支持声音克隆和流式处理,可在 CPU 上运行(无依赖的 C 构建版本)。随附完整的实时语音助手:支持 WebRTC、ASR、本地 LLM,并兼容 OpenAI Realtime API。

fluxions-ai
⭐ 782 Python 👤 fluxions-ai Organization 🕐 已更新 2026-10-10 📅 创建时间 2025-06-05
84
X-T-E-R/Uni-TTS

本项目意图在于让使用各类语音合成引擎的方式变得统一,支持多种语音合成引擎适配器,允许直接作为模组使用或启动后端服务

X-T-E-R
⭐ 762 Python 👤 X-T-E-R User 🕐 已更新 2024-04-15 📅 创建时间 2024-02-16
85
thorstenMueller/Thorsten-Voice

Thorsten-Voice:一个免费使用、离线工作、高质量的德语 TTS 语音应该对每个项目可用,而无需任何许可证困扰。

thorstenMueller
⭐ 746 Python 👤 thorstenMueller User 🕐 已更新 2026-08-04 📅 创建时间 2019-10-29
86
facebookresearch/audiobox-aesthetics

统一的语音、音乐和声音自动质量评估。

facebookresearch
⭐ 725 Python 👤 facebookresearch Organization 🕐 已更新 2025-06-05 📅 创建时间 2025-01-22
87
DmitryRyumin/INTERSPEECH-2023-24-Papers

INTERSPEECH 2023-2024 论文:INTERSPEECH 2023-24 会议的完整、有影响力和激动人心的研究论文集。探索语音和语言处理领域的最新进展。包含代码。请 Star 该仓库以支持语音技术的发展!

DmitryRyumin
⭐ 683 👤 DmitryRyumin User 🕐 已更新 2024-12-25 📅 创建时间 2023-06-26
88
liutaocode/TTS-arxiv-daily

使用 Github Actions 自动每日更新文本转语音 (TTS) 论文 (每 12 小时更新一次)

liutaocode
⭐ 670 Python 👤 liutaocode User 🕐 已更新 2026-11-20 📅 创建时间 2024-03-18
89
DanRuta/xVA-Synth

基于机器学习的语音合成 Electron 应用,使用来自视频游戏特定角色的声音

DanRuta
⭐ 633 JavaScript 👤 DanRuta User 🕐 已更新 2024-04-28 📅 创建时间 2018-06-17
90
HojoAI/Hojo-TTS-Light

Hojo-TTS-Light 是由 HojoAI 开发的轻量级语音生成模型系列,目前包含 0.04B 和 0.08B 两种模型。

HojoAI
⭐ 617 Python 👤 HojoAI User 🕐 已更新 2026-11-05 📅 创建时间 2026-05-08
91
oscie57/tiktok-voice

用于与 TikTok TTS API 交互的简单 Python 脚本

oscie57
⭐ 595 Python 👤 oscie57 User 🕐 已更新 2024-10-12 📅 创建时间 2022-04-10
92
opendilab/CleanS2S

高品质流式Speech-to-Speech交互代理,只用一个文件。只用一个文件实现的流式全双工语音交互原型智能体!

opendilab
⭐ 543 Python 👤 opendilab Organization 🕐 已更新 2026-04-07 📅 创建时间 2024-09-26
94
xingchensong/S3Tokenizer

CosyVoice中提出的监督式语义语音分词器(S3Tokenizer)的逆向工程

xingchensong
⭐ 536 Python 👤 xingchensong User 🕐 已更新 2026-11-01 📅 创建时间 2024-09-09
95
huakunyang/SummerTTS

SummerTTS 是一个基于 C++ 的独立语音合成项目,专为中文和英文设计。它无需网络、没有额外依赖,支持本地运行,用户只需一键编译即可用于中英文语音合成。

huakunyang
⭐ 536 C++ 👤 huakunyang User 🕐 已更新 2025-07-10 📅 创建时间 2023-04-20
96
bshall/knn-vc

仅使用最近邻的声码

bshall
⭐ 529 Python 👤 bshall User 🕐 已更新 2026-01-16 📅 创建时间 2023-03-08
97
liusongxiang/Large-Audio-Models

跟踪音频领域的大模型,包括语音、歌唱、音乐等。

liusongxiang
⭐ 522 👤 liusongxiang User 🕐 已更新 2026-07-03 📅 创建时间 2023-03-12
98
yl4579/StarGANv2-VC

StarGANv2-VC:一个多样化、无监督、非并行框架,用于自然发声的语音转换

yl4579
⭐ 520 Python 👤 yl4579 User 🕐 已更新 2025-01-13 📅 创建时间 2021-07-21
99
nyosegawa/speech.cpp

基于 ggml 的 C++ 语音对话解决方案,支持语音合成、语音识别和语音活动检测:Qwen3-TTS、Irodori-TTS、Qwen3-ASR、ReazonSpeech、parakeet 和 Silero VAD,可运行于 Metal、Vulkan 和 CPU,并提供兼容 OpenAI 的服务器及实时转录功能。

nyosegawa
⭐ 510 C++ 👤 nyosegawa User 🕐 已更新 2026-11-20 📅 创建时间 2026-09-29
100
zhao-kun/VibeVoiceFusion

VibeVoiceFusion 是一个全栈多说话人语音生成 Web 系统,支持 LoRA 微调、批量生成和 VRAM 优化。基于微软的 VibeVoice(自回归 + 扩散架构)。

zhao-kun
⭐ 501 Python 👤 zhao-kun User 🕐 已更新 2026-10-05 📅 创建时间 2025-09-26