音声生成 / TTS (356 repos)

OpenAudioBookifyは、プレーンテキスト、マークダウン、HTML、EPUB形式のドキュメントをM4Aオーディオファイルに変換…

SelenaCoreは、インターネット接続や月額料金が一切不要な、オフラインファーストのスマートホームハブです。Raspber…

mimo-mcpは、XiaomiのMiMo全モーダルAI機能（多モーダル対話、画像/動画理解、テキスト音声合成、音声クローン、音声…

yshtcn/xiaomiTTS2OpenAITTSAPIは、小米MiMo TTS APIをOpenAI互換のTTS APIプロキシサービスに変換するツールです。…

「Irodori OpenAI TTS Server」は、Aratako/Irodori-TTSの500M v3ベースモデル向けに開発された、OpenAI Text-to-Spe…

このツールは、テキスト読み上げ（TTS）サーバー「Kokoro」をDockerコンテナとして手軽にデプロイできるイメージです…

Aurisは、EPUB、PDF、TXT形式の電子書籍をオフラインでオーディオブックとして楽しむためのツールです。ローカルで動…

AIを活用した次世代オーディオ制作プラットフォーム「Audio Content Creator」。テキストを基に、高品質な音声合成、…

Supertone/supertonic-3モデル向けに、音声スタイル（.jsonファイル）を学習させるためのツールです。低GPU使用量（…

Voxtral Codec PyTorchは、24kHzモノラル音声波形をTTS（Text-to-Speech）トレーニング用の離散コードに変換するVoxt…

「agent-voice-chat」は、ウェブサイトにマルチエージェントAI音声会話機能を簡単に追加できるTypeScript SDKとCLIツ…

AI VTuber/ストリーマーフレームワーク「Wallie」は、リアルタイムの視覚認識、個性エンジン、リップシンクアバター…

JarvisQは、音声認識（STT）、大規模言語モデル（LLM）、音声合成（TTS）の全パイプラインがデバイス上で完結するプ…

デスクトップオーバーレイ形式のAIプログラミングパートナー「minipet-overlay」は、アニメーションと音声でコーディ…

VocoLocoは、Webブラウザ内で完結するテキスト読み上げツールです。サーバーやAPIキーを必要とせず、すべての処理が…

このリポジトリは、FunAudioLLM/CosyVoice v3 (Fun-CosyVoice3-0.5B) 向けのLoRAファインチューニングツールを提供し…

「Pronounce」は、`kubectl`、`GIF`、`JSON`などの開発者用語の正しい発音を音声で聞けるCLIツールです。544以上の用…

OmniVoice FastAPIは、多言語対応のゼロショットTTS（Text-to-Speech）エンジン「OmniVoice」の機能を、Dockerで手軽…

Voqiは、あらゆるウェブアプリケーションを37言語で音声操作可能にするオープンソースの音声制御レイヤーです。数分…

ringbackは、AIエージェントが電話を介してユーザーと直接対話できるModel Context Protocol (MCP) サーバーです。無…

nanofatdog/omnivoice-thai-apiは、追加学習不要のタイ語テキスト読み上げ（TTS）APIおよびWeb UIです。Voice Clonin…

Sireneは、自己ホスト型で複数のバックエンドをサポートするテキスト読み上げ（TTS）プラットフォームです。現代的な…

VecSlideは、SVGスライドとOpusオーディオを同期させた、ベクトルプレゼンテーションフォーマットです。ZIP形式の`.v…

ClipForgeは、ユーザーのアイデアやテキスト、PDFなどを基に、AIが短動画を自動生成するシステムです。原稿作成、ナ…