📢
gitzw.com上线了，功能陆续更新中，如有问题或反馈请在下方反馈/建议中给我们留言。
✕
读懂开源，从这里开始
首页
排行榜
教程中心
知识库
资讯
分类
专题合集
🌙
简
▾
简体
繁體
English
登录
用户中心
▾
👤 用户中心
📬 我的订阅
✉️ 我的邮箱
🔑 修改密码
⭐ 我的收藏
💬 我的反馈记录
↩ 退出
订阅
☰
首页
排行榜
教程中心
知识库
资讯
分类
专题合集
搜索
订阅
RSS
简体
繁體
English
🔍
搜索
📡
RSS
🔥 热门搜索
llm
vuejs
pytorch
leetcode
sql
langchain
redis
graphql
tokio
unity
peg
php8
"文本转语音"
📖 知识库
text-to-speech
★★★★★
★★★★★
进阶
文本转语音技术（text-to-speech，TTS）是一种将文本转换为语音的技术，通过使用自然语言处理和语音合成算法，将输入的文本转换为类似人类语音的音频输出。这种技术广泛应用于语音助手、导航系统、有声读物等领域。文本转语音技术的发展历史可以追溯到20世纪70年代，最初的系统使用简单的拼音合成法，后来逐渐发展到使用统计模型和深度学习算法。现在，许多公司和研究机构都在开发和改进文本转语音技术，例如Google、Amazon和Microsoft等。文本转语音技术可以大大提高人们的生活质量，特别是对于视力障碍人士和语言学习者。
📦 开源项目
cjpais
/
Handy
Handy：离线语音转文字应用 — Handy是一个使用Rust语言开发的应用，利用Tauri-v2技术，实现了跨平台的语音转文字功能。它完全支持离线工作，保护用户隐私。Handy的出现为人们提供了一种便捷的语音转文字解决方案，提高了工作效率。
Rust
★ 26.2k
⑂ 2.3k
other
☆
KoljaB
/
RealtimeSTT
RealtimeSTT：实时语音转文本库 — RealtimeSTT是一个基于Python的库，能够实现实时语音转文本，具有高效、低延迟和准确的特点。它可以应用于各种语音交互场景，例如虚拟助手、语音识别等。RealtimeSTT的先进功能使其成为语音技术领域的一种重要工具。
Python
★ 10k
⑂ 850
other
☆
jiaaro
/
pydub
pydub：音频操作库 — pydub 提供了一个简单易用的接口来操作音频，允许用户以高级方式处理音频数据。它支持多种音频格式，包括 WAV、MP3 和 FLAC。通过使用 pydub，开发者可以轻松地创建、编辑和操作音频文件
Python
★ 9.8k
⑂ 1.1k
other
☆
babysor
/
MockingBird
MockingBird：实时语音克隆与生成 — MockingBird利用Python和PyTorch实现了快速的语音克隆和实时语音生成，能够广泛应用于语音合成、语音助手等领域。它的出现标志着语音技术的重大进步，能够为人们带来更加自然和便捷的语音交互体验。同时，MockingBird也为AI和深度学习的研究提供了新的可能性
Python
★ 36.9k
⑂ 5.2k
ai-ml
☆
myshell-ai
/
OpenVoice
OpenVoice：即时语音克隆技术 — OpenVoice 实现了即时语音克隆，利用 Python 语言和 text-to-speech 技术，能够快速生成类似原始语音的克隆音频。这种技术可以广泛应用于语音助手、播音等领域。OpenVoice 的出现标志着语音合成技术的重大突破。
Python
★ 36.9k
⑂ 4.1k
other
☆
espnet
/
espnet
espnet：端到端语音处理工具包 — espnet是一个基于Python的工具包，提供了从语音识别到语音合成等一系列的语音处理功能。它支持多种深度学习框架，包括chainer和pytorch。通过使用espnet，可以快速开发和部署语音处理应用，提高语音识别和合成的准确性和效率。
Python
★ 9.9k
⑂ 2.4k
ai-ml
☆
RVC-Project
/
Retrieval-based-Voice-Conversion-WebUI
Retrieval-based-Voice-Conversion-WebUI：基于检索的语音转换Web界面 — Retrieval-based-Voice-Conversion-WebUI是一个开源项目，利用检索模型实现语音转换。它可以帮助用户轻松训练一个好的语音转换模型，仅需10分钟的语音数据。该项目使用Python语言开发，集成了多种技术，如so-vits-svc和vits，能够实现高质量的语音转换。
Python
★ 36.4k
⑂ 5.1k
data
☆
mozilla-ai
/
llamafile
llamafile：单文件LLM分发与运行 — llamafile通过提供单文件执行方式简化了LLM的分发和运行过程，使得用户可以更容易地在不同平台上部署和使用LLM。这种方法提高了效率和便捷性，特别是在跨平台和本地推理场景中。同时，llamafile作为开源项目，促进了人工智能的发展和应用。
C++
★ 25.4k
⑂ 1.6k
ai-ml
☆
supertone-inc
/
supertonic
supertonic：轻量级多语种语音合成引擎 — supertonic是一个开源的、基于ONNX的文本转语音引擎，支持多种语言和平台，能够在设备上快速运行。它利用ONNX Runtime实现跨语言和跨平台的兼容性，支持包括iOS、Android和Web在内的多种平台。supertonic的出现使得开发者能够更容易地将语音合成功能集成到自己的应用中。
Swift
★ 13k
⑂ 1.3k
mobile
☆
mozilla
/
DeepSpeech
DeepSpeech：开源嵌入式语音识别引擎 — DeepSpeech是一个开源的语音识别引擎，可以在设备上离线运行，使用C++编写，利用深度学习和神经网络技术来实现高准确率的语音识别。它支持多种设备，并且可以实时运行，具有广泛的应用前景。DeepSpeech的开源性使其受到广泛关注和贡献。
C++
★ 26.8k
⑂ 4.1k
ai-ml
☆
coqui-ai
/
TTS
TTS：深度学习文本转语音工具包 — TTS是一个基于深度学习的文本转语音工具包，支持多种语音合成模型和声码器，包括Glow-TTS、HiFiGAN和MelGAN等。它已在研究和生产环境中得到广泛应用，能够生成高质量的语音。TTS的主要特点包括支持多说话人语音合成、声码器和语音合成模型的选择等
Python
★ 45.7k
⑂ 6.2k
ai-ml
☆
CorentinJ
/
Real-Time-Voice-Cloning
Real-Time-Voice-Cloning：实时语音克隆 — Real-Time-Voice-Cloning 项目利用深度学习技术，特别是 PyTorch 和 TensorFlow 库，实现实时语音克隆。该项目能够快速生成高质量的语音合成，具有广泛的应用前景。通过 Real-Time-Voice-Cloning，开发者可以创建出更真实的语音交互体验
Python
★ 60k
⑂ 9.4k
ai-ml
☆
oobabooga
/
textgen
textgen：本地大语言模型桌面应用 — textgen是一个开源的桌面应用，用于运行本地的大语言模型（LLM），支持多种功能，如文本、视觉和工具调用。它兼容OpenAI和Anthropic的API，保证用户数据的100%私密性。这种本地化的LLM解决方案可以帮助用户保护自己的数据安全，并在不依赖云服务的情况下使用AI功能
Python
★ 47.4k
⑂ 6k
ai-ml
☆
2noise
/
ChatTTS
ChatTTS：日常对话生成语音模型 — ChatTTS是一个基于Python的生成式语音模型，利用自然语言处理和机器学习算法，实现日常对话的语音生成。它支持多种语言，包括英语和中文，能够很好地模拟人类对话。ChatTTS的出现使得语音交互变得更加自然和人性化.
Python
★ 39.6k
⑂ 4.2k
ai-ml
☆
jamiepine
/
voicebox
voicebox：开源人工智能语音工作室 — voicebox是一个开源项目，利用人工智能技术来创建语音内容。它允许用户克隆现有的语音，口述新的语音内容，并创建自定义的语音体验。通过voicebox，开发者可以更容易地将语音功能集成到自己的应用程序中
TypeScript
★ 39.9k
⑂ 4.8k
ai-ml
☆
android
/
uamp
uamp：Android 音频示例应用 — uamp 是一个 Android 平台上的音频应用示例，使用 Kotlin 编写。它为开发者提供了一个参考示例，展示了如何使用 Android 的音频 API。通过 uamp，开发者可以学习如何创建自己的音频应用
Kotlin
★ 13.2k
⑂ 3.8k
mobile
☆
heygen-com
/
hyperframes
hyperframes：用于AI和视频渲染的框架 — hyperframes是一个强大的框架，能够帮助开发者轻松地写入HTML和渲染视频。它支持多种技术，包括ffmpeg、gsap和puppeteer，能够满足复杂的渲染需求。hyperframes的出现使得AI代理能够更好地处理视频渲染任务
TypeScript
★ 34.2k
⑂ 3.2k
ai-ml
☆
Zackriya-Solutions
/
meetily
meetily：开源AI会议助手 — meetily是一个自托管、开源的AI会议记录工具，支持macOS和Windows系统，采用Rust编程语言，实现了快速的Parakeet/Whisper实时转录和Ollama总结。meetily注重隐私保护，所有处理都在本地进行，无需云服务。meetily的出现为用户提供了一个安全、快速的会议记录解决方案
Rust
★ 22.9k
⑂ 2.4k
ai-ml
☆
PlexPt
/
awesome-chatgpt-prompts-zh
awesome-chatgpt-prompts-zh：ChatGPT 中文调教指南 — awesome-chatgpt-prompts-zh 项目为用户提供了全面而详细的 ChatGPT 使用指南，包括如何在不同场景下使用 ChatGPT，以及如何优化其性能。通过这个项目，用户可以更好地理解 ChatGPT 的能力和局限性，从而更有效地使用它。同时，项目的维护和更新也反映了 ChatGPT 技术的快速发展和社区的活跃度。
★ 60.9k
⑂ 13.5k
ai-ml
☆
andrewyng
/
context-hub
context-hub：上下文中心库 — context-hub提供了一个简单的方式来管理和共享上下文数据，使得开发者可以更容易地构建复杂的Web应用。它通过提供一个统一的接口来访问和更新上下文数据，从而简化了应用的开发和维护。同时，context-hub也支持多种数据存储和缓存机制，提高了应用的性能和可扩展性
JavaScript
★ 13.8k
⑂ 1.2k
web
☆
nextai-translator
/
nextai-translator
nextai-translator：基于 ChatGPT API 的翻译工具 — nextai-translator 利用 ChatGPT API 实现划词翻译，支持浏览器插件和跨平台桌面端应用。它能够帮助用户快速翻译文本，提高工作效率。同时，它也是一个开源项目，欢迎开发者参与贡献。
TypeScript
★ 24.9k
⑂ 1.8k
ai-ml
☆
huggingface
/
transformers
transformers：机器学习模型框架 — transformers提供了一个统一的框架，用于定义和使用最先进的机器学习模型，包括自然语言处理、语音识别和计算机视觉等领域。该框架支持PyTorch和其他流行的深度学习库，能够方便地进行模型的推理和训练。transformers的出现大大促进了机器学习模型的发展和应用。
Python
★ 162.5k
⑂ 33.9k
ai-ml
☆
vanna-ai
/
vanna
vanna：与SQL数据库交互的AI聊天工具 — vanna是一个基于Python的项目，利用大语言模型（LLMs）和Agentic Retrieval技术，实现了准确的Text-to-SQL生成。它允许用户通过自然语言与SQL数据库进行交互，简化了数据查询和管理的过程。这种技术可以提高数据分析的效率和准确性。
Python
★ 23.8k
⑂ 2.4k
ai-ml
☆
open-mmlab
/
Amphion
Amphion：音频、音乐和语音生成工具包 — Amphion提供了一系列的音频、音乐和语音生成工具和库，包括audio-generation、speech-synthesis和music-generation等。它支持Python语言，帮助研究人员和工程师快速开发和测试音频、音乐和语音生成模型。同时，Amphion也提供了许多预训练模型和示例代码，方便用户快速上手。
Python
★ 9.9k
⑂ 822
other
☆
hugohe3
/
ppt-master
ppt-master：AI 自动生成 PowerPoint 演示文稿 — ppt-master 项目使用 Python 语言开发，能够将文档转换为可编辑的 PowerPoint 演示文稿，保留原有的格式和布局，并支持添加语音讲义和自定义模板。这种功能可以大大提高工作效率和生产力，特别是在需要创建大量演示文稿的场景下。同时，ppt-master 项目还支持多种格式的文档输入和输出，包括 .pptx 模板。
Python
★ 38.3k
⑂ 3.2k
ai-ml
☆
pppscn
/
SmsForwarder
SmsForwarder：Android短信转发器 — SmsForwarder可以监控Android手机的短信、来电和APP通知，并根据指定规则转发到其他手机、钉钉群、企业微信群、邮箱等平台。同时，它还提供了主动控制服务端与客户端的功能，让用户可以远程发短信、查短信、查通话等。这个工具使用Kotlin语言开发，支持多种转发方式，包括bark、webhook、Telegram机器人等
Kotlin
★ 27k
⑂ 3.3k
backend
☆
PaddlePaddle
/
PaddleOCR
PaddleOCR：轻量级OCR工具包 — PaddleOCR支持100多种语言，能够将图像或PDF文档转换为结构化数据，为LLMs提供数据来源。它是连接图像/PDFs和LLMs的桥梁，具有广泛的应用前景。同时，PaddleOCR也是一个开源项目，社区活跃，方便开发者使用和扩展。
Python
★ 85.2k
⑂ 11k
ai-ml
☆
ExistentialAudio
/
BlackHole
BlackHole：现代 macOS 音频循环回驱动 — BlackHole 是一个运行在 macOS 上的音频循环回驱动，允许应用程序之间传递音频信号。它的主要功能是实现零延迟的音频传递，非常适合需要低延迟音频处理的应用场景。通过使用 BlackHole，开发者可以更容易地创建出具有高质量音频处理能力的应用程序。
C
★ 19.3k
⑂ 820
other
☆
kyutai-labs
/
pocket-tts
pocket-tts：一个可以装在你的CPU（和口袋）的TTS — pocket-tts是一个使用Python编写的文本转语音系统，能够将文本转换为自然语音。它的设计目标是高效和便携，能够运行在各种设备上，包括低功耗的嵌入式系统。这种系统可以广泛应用于各个领域，例如语音助手、播音系统等
Python
★ 7.1k
⑂ 714
other
+235 ★
☆
