#text-to-speech 仓库
共 261 个仓库
使用IndexTTS模型在ComfyUI中实现高质量文本到语音转换的自定义节点。支持中文和英文文本,可以基于参考音频复刻声音特征。
使用unity实现AI聊天相关功能。目前这个库包含了对chatgpt、chatglm等大语言模型的api调用的代码实现以及实现了微软Azure以及百度AI的语音服务功能,语音服务均采用web api实现,支持Windows/WebGL/Android等平台
Claudemy:Udemy 和 Coursera 的开源替代方案。告诉 Claude 一个主题,它就会搜索网络资料,并制作一门由每节 2 分钟的音频课程组成、附有引用来源的课程。一个免费的 Claude Code 技能。
本地兼容 OpenAI 的文本转语音(TTS)API,使用 Chatterbox,使用户能够在任何使用 OpenAI API 的地方(如 Open WebUI、AnythingLLM 等)生成语音克隆语音。
OpenAmika:MekaHime 的 AI 伙伴 Amika,现已开源。配备 Live2D 虚拟形象、实时语音、长期记忆,并可使用 OpenRouter 或 Ollama 作为大脑。
Flutter 端侧 AI——Gemma 及其他大型语言模型、多模态、函数调用、嵌入、RAG 和语音,支持 Android、iOS、Web、macOS、Windows 和 Linux。
将 PDF 和 EPUB 转换为有声读物;将字幕或视频转换为配音视频(包括翻译)等等。完全免费。Pandrator 使用本地模型,包括语音克隆(即时、RVC 增强、XTTS 微调)和 LLM 处理。它旨在成为一款具有图形用户界面 (GUI)、安装程序和一体化软件包的用户友好型应用程序。
在 Mac (M1/M2/M3/M4) 上本地运行 Qwen3-TTS 语音合成。支持语音克隆、语音设计和自定义语音。基于 MLX 实现 100% 离线运行。
一个开源的跟读文档阅读器服务器,提供高质量的文本转语音(TTS)选项、同步高亮显示,以及支持将 EPUB、PDF、DOCX、TXT 和 MD 导出为有声书。
🎭 AI 数字人平台——上传照片、克隆声音,与任意面孔实时对话,并生成口型同步视频。开源,支持自托管。Claude · Whisper · Chatterbox · MuseTalk。
适用于 Payload CMS 的 TypeScript AI 插件:支持通过可扩展的提供商、字段级提示词、访问控制和富文本集成来生成文本、图像和语音。