音声生成 / TTS (155 repos)

Unsloth Studioは、Gemma 4、Qwen3.6、DeepSeek、gpt-ossなどのオープンな大規模言語モデルをローカル環境で効率的に…

このリポジトリは、数秒の音声から声の特徴を学習し、任意のテキストをリアルタイムでその声で話すことができるSV2TT…

GPT-SoVITS-WebUIは、最小1分の音声データから高品質なText-to-Speech（TTS）モデルをトレーニングできる強力なFew-s…

Coqui.aiの🐸TTSは、深層学習を用いた先進的なテキスト音声合成（Text-to-Speech）ライブラリです。1100以上の言語に…

ChatTTSは、LLMアシスタントなどの対話シナリオに特化したテキスト音声合成モデルです。自然で表現豊かな音声合成を…

Babysor/MockingBirdは、わずか5秒で声をクローンし、リアルタイムで任意の音声を生成できる最先端の音声クローニン…

OpenVoiceは、MITとMyShellが開発した高性能なインスタント音声クローン技術です。V1では、参照音源の正確な音色クロ…

Fish Speechは、最先端のオープンソーステキスト音声合成（TTS）ツールであり、表情豊かな音声クローンと多言語対応…

Mastraは、TypeScriptベースの最新スタックを用いたAI駆動型アプリケーションおよびエージェント構築のためのフレー…

FunAudioLLMが開発するCosyVoiceは、大規模言語モデル（LLM）を基盤とした多言語対応の音声生成モデルです。最新版の…

IndexTTS2は、高精度な発話時間制御と感情表現豊かな音声を生成できる、産業レベルのゼロショットテキスト読み上げ（…

VoxCPM2は、OpenBMBが開発した、テキストを直接音声に変換するトークナイザーフリーの画期的なTTSシステムです。エン…

「ebook2audiobook (E2A)」は、電子書籍（非DRM）を高品質なオーディオブックに変換するツールです。高度なTTSエンジ…

VideoLingoは、Netflix級の高品質な字幕生成を目指す、AIを活用したオールインワンの動画翻訳・ローカライズ・吹き替…

TTS WebUIは、GradioとReactを基盤とする統合型Webユーザーインターフェースで、様々なテキスト読み上げ（TTS）、音…

MOSS-TTS-Nanoは、MOSI.AIとOpenMOSSチームが開発したオープンソースの多言語対応小型音声生成モデルです。わずか0.1…

AudioLDMは、テキスト入力からスピーチ、効果音、音楽などを生成できる革新的なオーディオ生成ツールです。ICML 2023…

RCLIは、macOS上で完全にローカルに動作する音声AIアシスタントツールです。STT、LLM、TTS、VLMの各機能をApple Sili…

「My Translator」は、macOSおよびWindowsに対応したリアルタイム音声翻訳デスクトップアプリケーションです。システ…