#text-to-speech 仓库
共 261 个仓库
高性能、隐私优先的 React Native 端侧 AI 推理库,由 PyTorch 的 ExecuTorch 运行时提供支持
主题 → 面向编码代理的 4K 旁白视频。v5.3.0:本地 TTS(免费 Edge + Azure,无需外部引擎)、基于清单的资源引擎、Remotion 合成、成本门控的 AI 生成、哔哩哔哩/YouTube/小红书/抖音/微信视频号
适用于 Apple Silicon 的高性能 OpenAI 和 Anthropic 兼容 LLM 推理服务器。原生 MLX、连续批处理、多模态模型、MCP 工具调用和 Claude Code 支持。
非官方 Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) 使用 PyTorch
一个集内容策划、AI文案自动生成、TTS 批量自动配音、(AI)图片素材合成、ASR自动提取语言字幕脚本、AI自由创作于一体的(短视频)生成工作站。方便管理每期的视频项目。
Microsoft VibeVoice 文本转语音模型的全面 ComfyUI 集成,可在您的 ComfyUI 工作流中直接实现高质量的单人和多人语音合成。
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。
使用 Apple Silicon 在你的 Mac 上微调 LLM。SFT、DPO、GRPO、视觉、TTS、STT、嵌入和 OCR 微调 — 原生在 MLX 上。与 Unsloth 兼容的 API。
由你的 AI 智能体制作的讲解视频和产品演示。免费且开源:本地语音(Kokoro)、单词时间戳(Whisper)和画布渲染器,可将脚本转化为带旁白的 MP4 视频。
无需 ROOT 的开源 Android 屏幕实时翻译工具,适合游戏、视觉小说和漫画。支持端侧与云端 OCR、离线 LLM、多种翻译服务和文字朗读(TTS),译文可直接显示在画面上。
一个用于本地多引擎、多语言文本转语音和语音转换的 ComfyUI 自定义节点集成。支持:RVC、Echo-TTS、Qwen3-TTS、Cozy Voice 3、Step Audio EditX、IndexTTS-2、Chatterbox(经典版和多语言版)、F5-TTS、Higgs Audio 2、3 和 VibeVoice,支持无限文本长度、SRT 时间轴、角色支持以及多种音频工具。