#tts 仓库
共 222 个仓库
最简单、最低成本的AI接入方案。喜欢本项目的话点个 Star 吧~ | The simplest and lowest-cost AI integration solution. If you like this project, please give it a Star~
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。
🔥🔥 Rust中的Kokoro。https://huggingface.co/hexgrad/Kokoro-82M 极快、实时、高质量的TTS,是你曾经拥有过的。
Voxtral ASR 和 TTS 原生运行并在浏览器中运行。使用 Burn ML 框架实现的 Mistral Voxtral mini 实时 ASR / TTS 的 Rust 实现
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。
MLX Omni Server 是一个由 Apple 的 MLX 框架驱动的本地推理服务器,专为 Apple Silicon(M 系列)芯片设计。它实现了与 OpenAI 兼容的 API 端点,能够与现有的 OpenAI SDK 客户端无缝集成,同时利用本地机器学习推理的强大功能。
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。
Unreal Engine 插件,支持 LLM/GenAI 模型 & MCP UE5 服务器。OpenAI GPT-5、Deepseek R1、Claude Opus/Sonnet、Gemini 3、Grok 4、Alibaba Qwen、Kimi、ElevenLabs TTS、Inworld、OpenRouter、Groq、GLM、Ollama、本地、Meshy、Tripo、Hunyuan3D、Rodin、fal、Dashscope、Seedream。NPC AI、代理式、聊天、3D 生成、TTS、多模态、图像生成。UnrealMCP/UnrealClaude
轻松创建任何声音的 Piper 文本转语音模型。使用您自己的录音制作文本转语音模型,或使用数千种 RVC 声音。可在 Raspberry Pi 上离线工作。为任何 metadata.csv 文件快速录制自定义数据集,并在模型训练时收听。
AI 视频解说 Agent 技能包:自动切镜、看画面写解说词、配音混音合成成片,可导出剪映/CapCut 草稿,无需 GPU|适用于视频解说回顾与 CapCut 草稿的 Agent 技能
「来剪」轻量级视频编辑器。网页版、桌面版等均可免费使用,功能灵感源自 CapCut 等编辑器。A Lightweight Video Editor. Free for the web, desktop, and more, with features inspired by editors like CapCut.
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。
一个用于陪伴、娱乐、教育、医疗、物联网应用和DIY机器人技术的对话式 AI 设备+软件框架。采用 Python、NextJS、Arduino、ESP32、LLMs (GPT-4o)、Deepgram STT 和 Azure TTS 构建 🤖