tts

大语言模型微调与强化学习 🦥 以2倍速度训练OpenAI gpt-oss、Qwen3、Llama 4、DeepSeek-R1、Gemma 3，节省70%显存

开源语音合成工作室

🤖 开源免费的OpenAI、Claude及其他AI平台的替代方案。支持自主托管且本地优先，可作为OpenAI的即插即用替代方案运行于消费级硬件，无需GPU。兼容gguf、transformers、diffusers等多种模型架构。功能包括：文本生成、音频处理、视频制作、图像生成、语音克隆、分布式点对点推理。

MIT与MyShell联合开发的即时语音克隆技术

顶尖开源文本转语音系统

VoxCPM：面向上下文感知语音生成与逼真音色克隆的无分词器文本转语音系统

🚀 AI 全自动短视频引擎 | AI Fully Automated Short Video Engine

TypeScript AI智能体框架 ⚡ 支持助手、RAG和可观测性。兼容所有大语言模型：GPT-4、Claude、Gemini、Llama

🚀 AI全自动短视频引擎

从电子书生成有声书，支持语音克隆及1107种以上语言！

🌈 一款跨平台的划词翻译与OCR软件

Readest是一款功能丰富的现代电子书阅读器，专为热爱阅读的用户设计，提供无缝跨平台访问、强大工具和直观界面，以提升您的阅读体验。

一个可扩展的生成式 AI 框架，专为从事大语言模型、多模态及语音 AI（自动语音识别与文本转语音）的研究人员和开发者构建。

专为从事大语言模型、多模态和语音人工智能（自动语音识别与文本转语音）的研究人员和开发者打造的可扩展生成式AI框架

闪电般快速、设备端运行的多语言TTS——通过ONNX原生执行。

为创作者和开发者打造的Gradio WebUI，具备核心TTS功能（Edge-TTS、kokoro）和零样本声音克隆（E2与F5-TTS、CosyVoice），并集成Whisper音频处理、YouTube下载、Demucs人声分离和多语言翻译。

基于大语言模型的视频翻译配音工具，支持99种语言双向翻译，提供一键式全流程部署，可生成适配YouTube、TikTok和Shorts等平台的内容

面向边缘设备的快速准确自动语音识别

基于开源TypeScript AI智能体框架构建的AI智能体工程平台

将电子书转换为有声读物

Stream 推出的开放视觉智能体平台。使用任意模型或视频提供商快速构建视觉智能体。利用 Stream 的边缘网络实现超低延迟。

面向苹果芯片的端侧语音人工智能

Silero模型：提供预训练语音转文本、文本转语音和文本增强模型，极致简化实现

这是一款安卓系统TTS应用，集成微软演示接口，支持自定义HTTP请求，可加载外部本地TTS引擎，具备中文双引号旁白对话识别功能，并包含自动重试、备用配置、文本替换等特性。