#音声合成 (58 repos)

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…

Voiceboxは、ElevenLabsやWisprFlowの機能を統合した、オープンソースのAI音声スタジオです。数秒の音声サンプルから…

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…

Voice-Proは、YouTube動画の処理、音声認識、翻訳、テキスト読み上げ、音声クローン、多言語翻訳を統合したAIパワー…

RunAnywhereは、LLM（大規模言語モデル）、音声認識、音声合成、ボイスアシスタントといったAI機能をデバイス上で完…

StyleTTS 2は、テキストから人間レベルの自然な音声を合成する最新のText-to-Speech（TTS）モデルです。スタイル拡散…

Argmax Open-Source SDK Swiftは、Apple Siliconデバイス上で動作する高性能なオープンソースAI推論フレームワーク群…

VibeVoice ComfyUI Nodesは、MicrosoftのVibeVoiceテキスト読み上げモデルをComfyUIに統合するツールです。これによ…

「Voice Cloning App」は、PythonとPyTorchを利用して人間の音声を簡単に合成できるアプリケーションです。自動デー…

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）、…

Irodori-TTSは、Flow Matching技術を用いたテキスト音声合成モデルで、絵文字によるスタイル制御が可能です。参照音…

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。「…

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…

「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…

Feros Voice Agent OSは、オープンソースでエンタープライズ級の音声AIエージェント開発・運用インフラを提供するプ…

「Vibe Schooling」は、学生がAIを活用して学業を効率的に進めるためのツール群です。学習せずに「雰囲気」だけで好…

omnivoice-serverは、OmniVoiceテキスト読み上げモデルのOpenAI互換HTTPサーバーです。OpenAIのTTSエンドポイントの…

Voice-Zeroは、ゼロショットテキスト音声合成エンジン（Chatterbox、Pocket TTSなど）で利用可能な、高品質なオープ…

Jarvis v3は、Apple Silicon Mac向けに設計された、Claude Codeを完全ローカルで音声操作するためのインターフェース…

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（…

Jarvis-Macは、macOS上で動作する高度な日本語音声アシスタントです。ユーザーが「ジャービス」と呼びかけることで起…

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、…

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…