#text-to-speech 仓库
共 261 个仓库
一个模块化的语音助手应用程序,用于试验最先进的转录、响应生成和文本转语音模型。支持 OpenAI、Groq、Elevenlabs、CartesiaAI 和 Deepgram API,以及通过 Ollama 的本地模型。非常适合语音技术的研究和开发。
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。
开源语音AI SDK。面向希望拥有技术栈的开发者的Vapi/Retell替代方案。用4行代码为您的AI代理分配一个电话号码——支持Python和TypeScript,MIT许可,兼容Twilio、Telnyx和Plivo。
面向智能体的 AI 视频编辑器。ChatCut 插件和 MCP 服务器支持 Codex、ChatGPT、Claude Code、Cursor、Grok、Gemini CLI、WorkBuddy、豆包办公和通义千问办公:通过对话编辑自己的视频素材、添加字幕、删除静音片段和口头填充词、制作动态图形,并导出可编辑的时间线。
适用于 macOS 上 Claude Code 和 Codex 的开源(Apache 2.0)语音工具,可朗读编程代理的进度。语音由 Kokoro 在本地运行,无需账户;也可使用你自己的 ElevenLabs 或 Speechify 密钥。代理完成任务、失败或需要审批时,你会听到一段简短的语音摘要。
Vonage REST API 的 PHP 客户端。支持 SMS、Voice、Text-to-Speech、Numbers、Verify (2FA) 等 API。
自动视频生成器,给定主题,自动生成解说视频。用户输入主题文字,系统调用大语言模型生成故事或解说的文字,然后进一步调用语音合成接口生成解说的语音,调用文生图接口生成契合文字内容的配图,最后融合语音和配图生成解说视频。
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。
语音转文字转语音。歌曲正在播放。将文本作为OSC消息发送到VRChat以在头像上显示。(STTTS)(语音转TTS)(VRC STT系统)(VTuber TTS)
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。