tts

大语言模型微调与强化学习 🦥 以2倍速度训练OpenAI gpt-oss、Qwen3、Llama 4、DeepSeek-R1、Gemma 3，节省70%显存

5秒克隆声音，实时生成任意语音

🤖 开源免费的OpenAI、Claude及其他AI平台的替代方案。支持自主托管且本地优先，可作为OpenAI的即插即用替代方案运行于消费级硬件，无需GPU。兼容gguf、transformers、diffusers等多种模型架构。功能包括：文本生成、音频处理、视频制作、图像生成、语音克隆、分布式点对点推理。

MIT与MyShell联合开发的即时语音克隆技术

顶尖开源文本转语音系统

开源语音合成工作室

TypeScript AI智能体框架 ⚡ 支持助手、RAG和可观测性。兼容所有大语言模型：GPT-4、Claude、Gemini、Llama

VoxCPM：面向上下文感知语音生成与逼真音色克隆的无分词器文本转语音系统

从电子书生成有声书，支持语音克隆及1107种以上语言！

Readest是一款功能丰富的现代电子书阅读器，专为热爱阅读的用户设计，提供无缝跨平台访问、强大工具和直观界面，以提升您的阅读体验。

🚀 AI全自动短视频引擎

专为从事大语言模型、多模态和语音人工智能（自动语音识别与文本转语音）的研究人员和开发者打造的可扩展生成式AI框架

一款快速、本地的神经文本转语音系统

闪电般快速、设备端运行的多语言TTS——通过ONNX原生执行。

基于大语言模型的视频翻译配音工具，支持99种语言双向翻译，提供一键式全流程部署，可生成适配YouTube、TikTok和Shorts等平台的内容

基于开源TypeScript AI智能体框架构建的AI智能体工程平台

面向边缘设备的快速准确自动语音识别

Stream 推出的开放视觉智能体平台。使用任意模型或视频提供商快速构建视觉智能体。利用 Stream 的边缘网络实现超低延迟。

面向苹果芯片的端侧语音人工智能

实时语音翻译——支持macOS和Windows，免费TTS，无需服务器，仅需使用你自己的API密钥

GenMedia 创意工作室是基于 Vertex AI 的生成式媒体示例体验，重点展示 Google Cloud 上 Imagen、Veo 等生成式媒体 API 的应用

面向 Apple Silicon 的 AI 语音工具包 — 基于 MLX 和 CoreML 的 ASR、TTS、语音到语音、VAD 及说话人分离功能。

一个用于在Apple Silicon上使用MLX进行音频处理的模块化Swift SDK