xtts-streaming-server

Docker化流式文本转语音服务支持GPU加速与模型定制

xtts-streaming-server是一个开源的Docker化流式文本转语音服务。该项目支持GPU加速，提供预构建镜像和自定义构建选项，并可加载微调模型。项目包含简易部署方法和测试工具，适合快速构建演示环境。需注意，当前版本不支持并发流式请求，主要用于演示目的。使用前需同意CPML许可协议。

访问官网

Github

介绍相关项目

ChatTTS_colab - 一键部署简易语音合成，支持多种功能

ChatTTSColabGithub分角色朗读开源项目长音频生成音色抽卡

ChatTTS_colab 是基于 ChatTTS 的简易部署项目，支持流式输出、音色抽卡、长音频生成和分角色朗读。通过点击 Colab 按钮即可在浏览器中运行，无需复杂环境配置。项目提供稳定的说话人音色库，可以根据性别和年龄查找适合的音色。提供多个下载链接及详细使用指南，兼容多种操作系统，并附有常见问题解答，方便用户快速上手。

parler-tts - 轻量级开源TTS模型支持自定义语音特征

GithubParler-TTS开源模型开源项目文本转语音自然语言处理语音合成

Parler-TTS是一个轻量级开源文本转语音模型，通过文本提示控制语音特征如性别、语速和音调。项目提供完整训练和推理代码及预训练模型，便于用户定制TTS模型。最新版本引入SDPA和Flash Attention 2，显著提升生成速度。该模型支持随机声音生成和特定说话人复制，适用于多种TTS应用场景。

mandarin-tts - 模块化的中文文本到语音合成框架

AI绘图Githubgithubmandarin-ttsvocoder开源项目语音合成

mandarin-tts是一个模块化的中文文本到语音合成框架，适用于加速科研和产品开发。它的主要特点包括模块化配置、多样的声码器支持以及丰富的嵌入选项，如说话人、韵律和文本嵌入。此外，该框架还支持预测语音的持续时间、音调和能量变化，通过开源合作进一步拓展其功能。框架提供多数据集的音频样本和预训练模型，方便用户使用和进一步开发。此外通过正确使用专有名词，如YAML配置文件，并加入客观描述，提供高效的开发工具给研究人员和开发者。

tacotron - 端到端文本转语音合成模型实现

GithubTacotronTensorFlow开源项目文本到语音训练数据集语音合成

基于TensorFlow的Tacotron模型，是一个全面的端对端文本转语音合成系统。该模型涵盖多种数据集，运用现代深度学习与注意力机制优化文本到语音的高质量转换，适用于学术研究与商业应用。

openai-whisper-api - 多功能开源语音转文字API，支持多语言和多任务

DockerGithubNode.jsOpenAI Whisper APITypescript开源项目语音识别

OpenAI Whisper API是一种开源AI模型微服务，采用OpenAI先进的语音识别技术，支持多语言识别、语言识别和语音翻译。该服务基于Node.js、Bun.sh和Typescript构建，可在无依赖的Docker环境中运行，适用于语音和语言相关的应用。无论是转录语音消息、改进系统性能，还是探索Whisper API的功能，这都是一个强大的工具，且采用MIT许可证，开发者可以轻松使用。

glados-tts - 开源Portal风格语音合成引擎

GLaDOSGithub安装指南开源项目模型训练神经网络语音合成

GLaDOS TTS是一个开源的文本转语音引擎，利用神经网络技术生成Portal游戏风格的GLaDOS语音。该项目支持独立运行和远程API调用，提供了详细的安装说明和训练方法。GLaDOS TTS包含多说话人模型训练和模型优化功能，适用于各种设备和应用场景。开发者可以通过此项目轻松将Portal风格的语音集成到自己的应用中。

voice-changer - 多平台实时语音转换软件支持多种AI模型

AIGithubVC Clientクロスプラットフォームリアルタイム开源项目音声変換

VC Client是一款多功能实时语音转换软件，支持MMVC、so-vits-svc、RVC等多种AI模型。该软件兼容Windows、Mac和Linux平台，可通过网络远程使用。提供预构建二进制文件和Docker环境两种部署选项，方便不同技术水平的用户使用。软件具备将处理负载转移到外部设备的功能，适合与游戏等高负载应用同时运行。用户可根据需求选择合适的使用方式，实现高质量的实时语音转换。

restreamer - 开源多功能直播流处理平台

DockerFFmpegGithubRestreamer开源软件开源项目直播流处理

Restreamer是一个开源的自托管直播流处理平台。它支持多种音视频输入输出和协议，可将直播内容推送至YouTube、Twitter、Twitch等平台。Restreamer通过Docker镜像实现快速部署，适用于Linux环境，支持树莓派和GPU加速。该平台提供简洁的用户界面、配置向导、内置播放器和流媒体服务器功能，为直播流处理提供全面解决方案。

mimic-recording-studio - 提升TTS音质的专业录音与数据训练工具

DockerGithubMimic Recording StudioMycroftText-to-Speech开源项目音频记录

Mimic Recording Studio是一个全面的软件解决方案，旨在提升Text-to-Speech（TTS）技术的音质。它支持多种语言的语料库开发，并通过先进的录音与数据处理技术，提高TTS语音模型的清晰度和标准化。该平台的用户友好录音系统和强大的后端处理功能，使其成为语音合成研究和开发的首选工具。

DragonianVoice - 支持多种TTS、SVC和SVS技术的语音处理工具

DiffusionDragonianVoiceGithubOnnxSVCTTS开源项目

DragonianVoice提供TTS、SVC和SVS的Onnx框架推理库，支持C、Cpp及C#调用。项目与fish-speech联动，使用ggml框架重写。支持多种深度学习模型如Tacotron2、Vits和SoVitsSvc，并解决DmlEP推理错误。用户需遵守使用协议，确保合法合规使用开源项目。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com