音声生成 / TTS (399 repos)

「Open Speech Corpora」は、音声技術の研究開発に特化した、アクセス可能でオープンな音声コーパスのリストです。自…

Chatterbox TTS Serverは、オープンソースのChatterbox TTSモデル（オリジナル、多言語、高速なTurbo版）をセルフホ…

Twocastは、AIを活用して2人対話形式のポッドキャストエピソードを生成するツールです。バイリンガルエピソードや多…

Tangoは、LLM（Flan-T5）によってガイドされる潜在拡散モデル（LDM）を用いた、テキストからオーディオを生成するツ…

BigVGANは、NVIDIAが開発したユニバーサルなニューラルボコーダーであり、ICLR 2023で発表されました。大規模なデー…

「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…

ComfyUI用のカスタムノードとして、ローカル環境で複数の音声合成エンジンと多言語対応のテキスト読み上げ（TTS）、…

Patterは、AIエージェントに電話番号を与え、電話通話機能を統合するためのオープンソースSDKです。PythonおよびType…

CloneTTSは、Androidデバイス上で動作する軽量でオフライン対応のテキスト読み上げ（TTS）エンジンです。1〜3秒の音…

Vuiは、WebRTCストリーミング、faster-whisper ASR、ローカルLLM、Vui Nano TTSを組み合わせたリアルタイム音声アシ…

Confucius4-TTSは、LLMと音声エンコーダをベースにした、多言語・異言語対応のゼロショット音声合成エンジンです。「…

OpenClaw.NETは、.NET開発者と運用者向けの、NativeAOT対応AIエージェントランタイムおよびゲートウェイです。ローカ…

このツールは、任意のコンテンツ（テキスト、ファイル、URL）を、ユーザーがスクリプト、プロンプト、ホストの役割、…

QuarkAudioは、音声、音楽、一般的なオーディオイベントの処理と生成を統一するオープンソースプロジェクトです。こ…

「video-recap」は、入力された動画に対して自動で中国語のナレーション付き解説動画を生成するスキルです。動画の内…

Vocelloは、Apple Silicon Mac向けに開発された、ローカルで動作するAI音声生成アプリケーションです。旧QwenVoiceの…

AudioStoryは、大規模言語モデル（LLM）とText-to-Audio (TTA) システムを統合し、長尺の物語音声生成を可能にする統…

このKitten TTS Serverは、軽量なKitten TTSモデルをセルフホストするための高性能なAPIサーバーです。15MのNanoから…

「AI仮想人ウィジェット」は、Live2Dキャラクターを任意のウェブサイトに簡単に埋め込むことができる音声AIアシスタ…

EVAは、会話型音声エージェントの性能をエンドツーエンドで評価するためのオープンソースフレームワークです。エージ…

CC-Beeperは、AIコーディングアシスタント「Claude Code」専用のmacOSデスクトップウィジェットです。Claude Codeの…

「Shiki Natsume」は、四季夏目をキャラクターとする、完全オフライン動作のAIガールフレンドプロジェクトです。Open…