#text-to-speech 仓库
共 261 个仓库
Docker 化的 OpenAI 兼容封装,用于 Kokoro-82M 文本转语音;支持多平台 CPU、AMD 和 NVIDIA GPU 上的 PyTorch;支持多说话人、语音克隆与调校、字幕时间戳、SSML、WebSocket,以及可选的跟读网页界面
一款自主且具备上下文感知能力的 AI 桌面伴侣。使用 Python 构建,具备实时屏幕视觉、自定义 ONNX 语音合成、活动窗口跟踪,以及带有响应式面部表情的动态悬浮界面。
:stuck_out_tongue_closed_eyes: TensorFlowTTS: TensorFlow 2 的实时顶尖语音合成(支持英语、法语、朝鲜语、中文、德语,并且易于适配其他语言)
支持即时语音克隆的越南语 TTS • 设备端运行 • CPU 实时推理 • 48kHz 音频质量 • 越南语文本转语音 • 越南语文字转语音 • 越南语 TTS
数字虚拟形象对话系统 - Linly-Talker。😄✨ Linly-Talker是一个智能AI系统,它将大型语言模型(LLMs)与视觉模型相结合,创造了一种新颖的人机交互方法。🤝🤖 它集成了Whisper、Linly、Microsoft Speech Services和SadTalker说话头生成系统等多种技术。🌟🔬
一个带有 ACE-Step、OmniVoice、Kimi Audio、Piper TTS、GPT-SoVITS、CosyVoice、XTTSv2、DIA、Kokoro、OpenVoice、ParlerTTS、Stable Audio、MMS、StyleTTS2、MAGNet、AudioGen、MusicGen、Tortoise、RVC、Vocos、Demucs、SeamlessM4T 和 Bark 扩展的单一 Gradio + React WebUI!
用 Claude Code 制作视频:编写脚本、生成 AI 配音、添加音乐和视频片段并渲染,使用开源模型,成本仅需几分钱
AllTalk 基于 Coqui TTS 引擎,类似于 Text generation webUI 的 Coqui_tts 扩展,但支持多种高级功能,例如设置页面、低 VRAM 支持、DeepSpeed、旁白、模型微调、自定义模型、wav 文件维护。它还可以通过 JSON 调用与第三方软件一起使用。
适用于 Windows、Linux 和 macOS 的便携式本地 AI 工作室。无需设置的图形界面,支持图像生成、GGUF 大语言模型、文本转语音和语音转文本