Coqui TTS
深度学习 TTS 工具包，45,126+ stars。基于深度学习的文本转语音工具包，支持多种 TTS 模型训练和推理，提供高质量自然语音合成能力
🎯适用场景：语音合成与实时语音交互
📊 仓库数据
✅ 优点
- •支持多种 TTS 模型
- •语音质量高
- •训练和推理流程完整
- •多语言支持
⚠️ 限制
- •训练需要 GPU 资源
- •模型调优需要专业知识
- •项目维护存在不确定性
🔗 相关工具
piper
github.com/rhasspy/piper
Piper 是一个快速、轻量级的本地神经语音合成系统，基于 C++ 实现，支持多语言离线运行，可在树莓派等低性能设备上流畅工作，适合智能家居场景
🎯语音合成 / TTS
ChatTTS
github.com/2noise/ChatTTS
日常对话生成语音模型，39,109+ stars。专为对话场景优化的文本转语音模型，生成自然流畅的语音，支持多种声音风格和情感表达
🎯语音合成与实时语音交互
MockingBird
github.com/babysor/MockingBird
5 秒克隆声音，37K+ stars。5 秒克隆声音生成任意语音的实时语音合成工具，支持多语种语音克隆
🎯语音合成与实时语音交互
Voicebox
github.com/jamiepine/voicebox
Voicebox 是开源的语音合成工作室，提供高质量的文本转语音 (TTS) 能力。支持多语言、多音色、情感化语音生成，22,208 stars（周增 5,198 星）。与商业 TTS 服务不同，Voicebox 完全开源可自部署，提供 Web UI 和 API 两种使用方式。支持声音克隆（少量样本即可）、实时流式输出、SSML 标记语言控制韵律和语调，是播客制作、有声书生成、游戏配音和 AI 语音助手的理想选择
🎯播客/有声书自动化、游戏 NPC 配音、AI 语音助手、视频内容配音、无障碍朗读
Dia
github.com/nari-labs/dia
一次推理生成超真实对话式 TTS 语音的模型，19k+ stars
🎯生成自然的对话式语音输出，适合播客、有声书和 AI 语音助手
Real-Time Voice Cloning
github.com/corentinj/real-time-voice-cloning
5 秒语音克隆工具，59,640+ stars。只需 5 秒音频样本即可克隆任意人声，支持实时语音合成，是语音合成和 TTS 领域的里程碑项目
🎯语音合成与实时语音交互