最佳 文字转语音 AI GitHub 仓库

eSpeak NG

AI GitHub 仓库

#88

开源语音合成器，支持超过 100 种语言和口音。它为开发者提供了一个多功能平台，以将文本转语音功能集成到他们的应用程序中，从而增强可访问性和用户互动。eSpeak NG 是一个开源语音合成器，支持超过 100 种语言和口音。它为开发者提供了一个多功能平台，以将文本转语音功能集成到他们的应用程序中，从而增强可访问性和用户互动。

MeloTTS

AI GitHub 仓库

#96

由 MyShell.ai 开发的高质量多语言文本转语音库。它支持多种语言，包括英语、西班牙语、法语、中文、日语和韩语，为寻求将 TTS 功能集成到其应用程序中的开发人员提供多样化的解决方案。MeloTTS 是由 MyShell.ai 开发的高质量多语言文本转语音库。它支持多种语言，包括英语、西班牙语、法语、中文、日语和韩语，为寻求将 TTS 功能集成到其应用程序中的开发人员提供多样化的解决方案。

Kokoro-FastAPI

AI GitHub 仓库

#186

Docker 化的 OpenAI 兼容包装器，适用于 Kokoro-82M 文本转语音。它支持多平台 CPU、AMD 和 NVIDIA GPU PyTorch，提供多说话人、克隆调优、字幕时间戳、SSML 和可选的跟读网页 UI 等功能。Kokoro-FastAPI 是一个 Docker 化的 OpenAI 兼容包装器，适用于 Kokoro-82M 文本转语音。它支持多平台 CPU、AMD 和 NVIDIA GPU PyTorch，提供多说话人、克隆调优、字幕时间戳、SSML 和可选的跟读网页 UI 等功能。

OmniVoice

AI GitHub 仓库

#190昨天

高质量的语音克隆文本转语音 (TTS) 系统，支持超过 600 种语言。它使用户能够轻松创建逼真的语音克隆，非常适合需要多语言输出的应用程序和项目。OmniVoice 是一个高质量的语音克隆文本转语音 (TTS) 系统，支持超过 600 种语言。它使用户能够轻松创建逼真的语音克隆，非常适合需要多语言输出的应用程序和项目。

EmotiVoice

AI GitHub 仓库

#72

多语音和提示控制的文本转语音引擎。它使用户能够生成多种声音的语音，并通过提示控制输出，使其适用于不同的应用。EmotiVoice 是一个多语音和提示控制的文本转语音引擎。它使用户能够生成多种声音的语音，并通过提示控制输出，使其适用于不同的应用。

Voice-Pro

AI GitHub 仓库

#80

Voice Pro 是一个为创作者和开发者设计的 Gradio WebUI。它提供文本转语音功能、零样本语音克隆和多语言翻译，使其成为音频处理和内容创作的多功能工具。

WaveGlow

AI GitHub 仓库

NVIDIA 开发的一个开源基于流的神经网络，用于文本到语音合成。给定一个梅尔谱图，它直接生成语音音频，无需自回归步骤，使用单一的基于似然的成本函数进行训练。PyTorch 代码和预训练模型面向构建或基准测试语音合成声码器的研究人员和工程师。WaveGlow 是 NVIDIA 开发的一个开源基于流的神经网络，用于文本到语音合成。给定一个梅尔谱图，它直接生成语音音频，无需自回归步骤，使用单一的基于似然的成本函数进行训练。PyTorch 代码和预训练模型面向构建或基准测试语音合成声码器的研究人员和工程师。

这是一个 Parallel WaveGAN 及相关音频生成模型的非官方演示页面。它展示了包括 MelGAN、Multiband-MelGAN、HiFi-GAN 和 StyleMelGAN 在内的各种实现生成的音频样本，涵盖英语、日语和普通话。可将生成的音频与真实音频进行对比。

Suno AI Bark

AI GitHub 仓库

Bark 是 Suno AI 开发的开源、基于 Transformer 的文本到音频模型。它能根据文本提示生成逼真、多语言的语音、音乐和音效。Bark 支持多种语言、语音预设，并能生成非语音声音，如笑声和叹息，使其在创意音频生成方面用途广泛。

F5-TTS: 讲故事者语音合成

AI GitHub 仓库

语音合成工具，旨在使用流匹配技术生成流畅且忠实的语音。它为开发者提供官方代码，以创建高质量、自然听感的语音输出。F5-TTS 是一款语音合成工具，旨在使用流匹配技术生成流畅且忠实的语音。它为开发者提供官方代码，以创建高质量、自然听感的语音输出。

Mozilla TTS

AI GitHub 仓库

基于深度学习的文本转语音系统。它提供将文本转换为自然声音的语音的工具和资源，支持多种语言和声音。非常适合 AI 和语音合成领域的开发者和研究人员。Mozilla TTS 是一个基于深度学习的文本转语音系统。它提供将文本转换为自然声音的语音的工具和资源，支持多种语言和声音。非常适合 AI 和语音合成领域的开发者和研究人员。

ChatTTS

AI GitHub 仓库

旨在日常对话的生成语音模型。它允许用户在 GitHub 上参与其开发，促进其能力的改进和更新。ChatTTS 是一个旨在日常对话的生成语音模型。它允许用户在 GitHub 上参与其开发，促进其能力的改进和更新。

VoxCPM2

AI GitHub 仓库

无标记化的文本到语音模型，旨在实现多语言语音生成、创意语音设计和真实的声音克隆。由OpenBMB开发，旨在提供高质量的语音合成，无需标记化，从而增强生成语音的自然性和表现力。VoxCPM2是一个无标记化的文本到语音模型，旨在实现多语言语音生成、创意语音设计和真实的声音克隆。由OpenBMB开发，旨在提供高质量的语音合成，无需标记化，从而增强生成语音的自然性和表现力。

Index-TTS

AI GitHub 仓库

工业级、可控且高效的零样本文本转语音系统。它提供了从文本输入生成类人语音的先进能力，适用于需要高质量语音合成的各种行业应用。Index-TTS 是一个工业级、可控且高效的零样本文本转语音系统。它提供了从文本输入生成类人语音的先进能力，适用于需要高质量语音合成的各种行业应用。

MLX-Audio

AI GitHub 仓库

用于文本转语音、语音转文本和语音转语音功能的库。基于苹果的 MLX 框架构建，提供针对苹果硅设备优化的高效语音分析。mlx-audio 是一个用于文本转语音、语音转文本和语音转语音功能的库。基于苹果的 MLX 框架构建，提供针对苹果硅设备优化的高效语音分析。

StyleTTS 2

AI GitHub 仓库

文本转语音项目，旨在实现人类水平的语音合成。它利用风格扩散和对抗训练与大型语音语言模型相结合，以提高生成语音的质量和自然性。StyleTTS 2 是一个文本转语音项目，旨在实现人类水平的语音合成。它利用风格扩散和对抗训练与大型语音语言模型相结合，以提高生成语音的质量和自然性。

Silero 模型

AI GitHub 仓库

提供预训练的文本转语音模型，简化了将文本转换为语音的过程。这些模型旨在易于使用，并可在 GitHub 上供开发者集成到他们的应用程序中。Silero 模型提供预训练的文本转语音模型，简化了将文本转换为语音的过程。这些模型旨在易于使用，并可在 GitHub 上供开发者集成到他们的应用程序中。