“text-to-speech” 相关开源项目

面向中国小学生的免费开源学习平台，覆盖数学、语文、英语、科学的单元小测与课文听读。

开源的多语言零样本语音合成模型，支持 600 多种语言，并提供声音克隆与声音设计。

基于 zipvoice 的轻量级文本转语音模型，支持声音克隆，GPU 上可达 150 倍实时速度。

面向 Claude Code 和 Codex 的智能体技能，把应用的真实界面做成卡点配乐的发布短片并在本机渲染。

Kokoro-82M 文本转语音模型的 Python 推理库，模型参数量为 8200 万。

开源 Python 工具，可将网页、PDF、图片、YouTube 视频或主题转换为多语言的 AI 播客式音频对话。

开源跨平台桌面应用，输入提示词和视频素材，即可用 AI 生成文案、语音并自动剪辑短视频。

为 YouTube 直播弹幕提供实时语音朗读，基于 ElevenLabs AI 语音，并附带网页控制面板。

面向双语会议的实时双向语音翻译应用，支持云端服务或完全离线的本地推理，适用于桌面端和 Chrome/Edge 浏览器。

基于 Gradio 的网页工具，集成 YouTube 下载、人声分离、Whisper 字幕、翻译与语音合成及声音克隆。

开源、完全本地运行的语音工作室，支持声音克隆、语音设计、视频配音、听写、转录和有声书制作。

开源的本地 AI 语音工作室，可克隆声音、生成语音、语音听写并为 AI 智能体提供声音输出。

开源工具，输入主题或关键词即可自动生成脚本、配音、素材、字幕与配乐，合成完整短视频。

开源的本地优先浏览器视频编辑器，结合多轨时间线与本地 AI 配音、字幕、音乐和修复功能。

本地离线运行的语音处理工具，整合语音合成、声音克隆、语音转换、音乐生成和语音识别等功能。

Windows 游戏实时屏幕翻译工具，通过 OCR 识别画面文字并叠加显示译文。

汇总可本地运行的免费开源语音克隆 TTS 模型与音乐生成模型的对比清单。

一门实战课程，教你用 FastRTC、Superlinked、Twilio 等构建可接打电话的 AI 语音客服中心。

开源的智能体视频制作系统，可将 AI 编程助手变成按流程运行的视频工作室，覆盖调研、脚本、素材生成到渲染。

一个 Agent Skill，把任意主题做成带配音、硬字幕和封面的讲解视频，用 HTML 写画面、本地渲染。