音声生成 / TTS (356 repos)

Seshat TTSは、Windows向けのGUIユーティリティで、ゲームやアプリケーション向けにリアルタイムの音声ストリーミン…

Supertonic Embeddings Trainerは、SupertonicTTS向けのローカルボイスクローニングパイプラインです。WAVファイルを…

「feinschmiede」は、Claude Code向けのブランドメディアプラグイン集です。プレゼンテーション資料（PowerPoint）、…

LetAITalkは、AI音声アシスタントとしてユーザーに代わって電話に応答し、着信の意図を理解して安全な範囲で返答する…

Showrunnerは、スクリプトからAI生成のUGC（User Generated Content）動画コンテンツを作成するためのオープンソース…

mlx-swift-dots-ttsは、rednote-hilabのdots.tts-soarモデルをAppleシリコン向けにMLXフレームワークへ移植したもの…

nano-codecは、最小限のニューラルオーディオコーデックであり、16kHzモノラルの音声を128倍に圧縮し、10.2kbpsの低…

GradiumPPは、GradiumのText-to-Speech (TTS) およびAutomatic Speech Recognition (ASR) APIを利用するためのC++17…

VividDubは、AIを活用した動画翻訳、吹き替え、字幕生成、ハードサブ（埋め込み字幕）除去を一体化した製品です。音…

FableForgeは、AIを活用して管理学の寓話的な短編ビデオを自動生成するパイプラインです。ユーザーが用意した管理コ…

Foreverは、TypeScriptネイティブのAIエージェントフレームワークです。マルチエージェントオーケストレーション、16…

beepbotは、軽量でインタラクティブなTwitchサウンドボットです。視聴者がチャットコマンドを通じてカスタムサウンド…

WatchReaderは、Wear OS向けのミニマリストな電子書籍リーダーで、スマートフォンから.txtや.epub形式の書籍を同期し…

このリポジトリは、AIによる音声生成技術（テキスト読み上げ、音楽生成、サウンドデザイン）に関する厳選されたAPI、…

Godot 4.4+向けの火山エンジン豆包TTS音声大モデルのサードパーティSDKです。ゲームやインタラクティブプロジェクト…

UAL（Understand Any Language）は、ESP32-S3を基盤としたIoT音声翻訳プロトタイプです。距離センサーでユーザーを検…

Sirenは、生のビデオ/オーディオアセットからファインチューニングされた音声合成（TTS）モデルを作成するための、エ…

@p8n.ai/pi-listensは、音声認識（STT）と音声合成（TTS）機能を提供する、音声ファーストのPiパッケージです。デフ…

NewScriberは、AIを活用した自律型の多言語ニュース編集・ポッドキャストスクリプト作成・音声ブリーフィング配信ネ…

civitai-genは、CivitaiのオーケストレーションWorkflow APIを介して、画像、動画、音声、音楽、文字起こしなどを生…

Doppelvoiceは、リアルタイムで中国語・英語を含む9言語間の音声翻訳とゼロショット音声クローニングを提供するツー…

「Supertonic 3 TTS App」は、Supertone Supertonic 3エンジンを搭載した、Windows向けのオンデバイス・ニューラルテ…

このツールは、Windows向けのポータブルなオフラインTTS（テキスト読み上げ）ソリューションです。Sileroモデルを使…

BookVoice-AIは、テキスト、eBook、さらには写真から高品質なAIオーディオブックを生成できるオープンソースのスタジ…