「text-to-speech」に関するオープンソースプロジェクト

ZipVoiceベースの軽量な音声クローン対応TTSモデル。GPUで最大150倍速、48kHzの音声を生成します。

Claude CodeとCodex向けのエージェントスキル。アプリの実際のUIから、音楽に合わせてカットし、ローカルでレンダリングするローンチ動画などを制作します。

82Mパラメーターのオープンウェイト音声合成モデル、Kokoro-82MのPython推論ライブラリ。

Webサイト、PDF、画像、YouTube動画、トピックから多言語の音声ポッドキャストを生成する、オープンソースのPythonパッケージ。

テキストプロンプトと動画クリップから、AIによるコピー作成、TTS音声、編集で短いマーケティング動画を作るクロスプラットフォームのデスクトップアプリ。

ElevenLabsのAI音声でYouTubeライブチャットをリアルタイムに読み上げ、ブラウザのダッシュボードから設定できます。

クラウド連携または完全オフラインのオンデバイス推論に対応した、デスクトップ・Chrome・Edge向けリアルタイム双方向音声翻訳アプリ。

YouTubeのダウンロード、ボーカル分離、Whisper字幕、翻訳、音声クローニング付きTTSに対応するWindows向けGradioアプリ。

646言語に対応した、音声クローン・音声デザイン・動画吹き替え・文字起こしなどを行える完全ローカルのオープンソース音声制作アプリ。

音声のクローン作成、音声生成、あらゆるアプリへの音声入力、AIエージェントの音声化に対応するオープンソースのローカルAI音声スタジオ。

トピックやキーワードから、台本・ナレーション・素材映像・字幕・BGMを自動生成してショート動画を作成するオープンソースツール。

ブラウザ上で動作する、ローカル処理を重視したオープンソースの動画エディター。マルチトラックタイムラインとオンデバイスAI機能を搭載。

TTS、ボイスクローン、音声変換、音楽生成、STT、音声強調をまとめたローカル・オフライン対応の音声処理ツール。

画面上のゲームテキストをOCRで読み取り、AIや無料サービスで翻訳してゲーム上に重ねて表示するWindowsツール。

無料でローカル実行できるオープンソースの音声クローン対応TTSモデルと音楽生成モデルを、比較表付きでまとめたREADMEベースのリスト。

FastRTC、Superlinked、Twilio、Opik、Runpodを使った電話対応AI音声エージェント構築の実践コース。

AIコーディングアシスタントを、調査から台本作成、素材生成、レンダリングまで行う動画制作スタジオに変えるオープンソースのエージェント型システム。

HTMLからローカルでレンダリングし、ナレーション、焼き込み字幕、カバー画像付きの解説動画を作るAgent Skill。

台本やナレーションの作成から字幕付け、書き出しまで、中国版JianYingの動画編集を自動化するAIエージェントスキル。

ローカルのKokoro音声、Whisperの単語単位のタイミング調整、Canvasレンダラーを使い、台本をナレーション付きの解説動画や製品デモに変換します。