Shows / Kana & Mari's SoundRepos (Japanese)

Kana & Mari's SoundRepos (Japanese)
GitHubの音楽・音声AIリポジトリを毎日1本、約2分で紹介。TTS(音声合成)、MIDI、オーディオ処理など、「音」にまつわるオープンソースの注目プロジェクトをKanaとMariが声でナビゲートします。
※この番組は日本語でお届けします。
Kana と Mari のプロフィールはこちら: Kana – Newbie Esports Caster: https://yukichi.fun/jp/mchc/token/22/Kana_%E2%80%93_Newbie_Esports_Caster Mari – Newbie Esports Analyst: https://yukichi.fun/jp/mchc/token/23/Mari_%E2%80%93_Newbie_Esports_Analyst ※ 本番組の原稿は生成 AI を用いて自動生成されています。内容には誤りを含む可能性がありますので参考情報としてお楽しみください。
Episodes
Kana & Mari's SoundRepos (Japanese)VideotronicMaker/LM-Studio-Voice-Conversation|ローカルAI音声会話アプリ|GitHub
LM Studioで動作するローカルLLMと音声で会話するPythonアプリです。Whisperで音声を文字起こしし、テキスト入力にも対応しており、応答は音声で読み上げます。 関連: VideotronicMaker/LM-Studio-Voice-Conversation/ローカルAI音声会話アプリ/GitHub
Kana & Mari's SoundRepos (Japanese)n4ze3m/tiny-voca|英語を音声にする音声合成AI|GitHub
tiny-vocaは、英語テキストを音声に変換する小型の音声合成モデルです。女性・男性の2種類の声に対応し、PyTorchやONNXでの推論、ブラウザでの実行、学習・データ準備のためのツールを提供します。 関連: n4ze3m/tiny-voca/英語を音声にする音声合成AI/GitHub
Kana & Mari's SoundRepos (Japanese)Ampixa/sanoTTS|マイコン対応音声合成エンジン|GitHub
小規模なニューラル音声合成モデルと実行環境を提供するTTSプロジェクトです。Python、ブラウザ上のWebAssembly、Arduino対応マイコンで動作し、複数言語の音声合成や独自音声の学習・評価を支援します。 関連: Ampixa/sanoTTS/マイコン対応音声合成エンジン/GitHub
Kana & Mari's SoundRepos (Japanese)BogiHsu/Tacotron2-PyTorch|テキストから音声を作るTTS|GitHub
Tacotron 2をPyTorchで実装した英語向け音声合成リポジトリです。LJ Speechを使った学習、テキストからのメルスペクトログラム生成、音声出力に対応し、WaveGlowやHiFi-GANとの連携も可能です。 関連…
Kana & Mari's SoundRepos (Japanese)threerocks/article2media|記事や動画を投稿用画像と動画に変換|GitHub
article2mediaは、Claude CodeやCodexで使えるスキル群およびClaude Codeプラグインです。記事や動画を取り込み、要約・翻訳から長画像、小紅書向けカード、公众号レイアウト、口播動画などを生成し、出力の自動検査や公開後の効果記録にも対応します。 関連…
Kana & Mari's SoundRepos (Japanese)adventists-ai/sophon-realtime|感情表現するリアルタイム音声対話AI|GitHub
Sophon-Realtimeは、話し手の発話を聞き続け、会話の間合いや感情を理解して音声で応答するオープンな全二重音声AIです。表現力重視のTag、高速・高並列のFlash、低遅延のE2Eを提供し、音声の割り込み、音声クローニング、ツール連携にも対応します。 関連…
Kana & Mari's SoundRepos (Japanese)viajatech/agente-isabella|AIが電話するAndroidアプリ|GitHub
Agente Isabellaは、Android端末のSIM回線から電話をかけ、Google Gemini Liveの音声で相手とリアルタイムに会話するアプリです。Cloudflare WorkerでGemini…
Kana & Mari's SoundRepos (Japanese)ZeroTang05/easytts|小説を多役音声で朗読する|GitHub
小説などのテキストを分割し、BERT/RoBERTaベースの話者識別で会話の話者を推定して、登場人物ごとに異なる音声で朗読音声を生成するTTSアプリケーションです。FlaskのREST APIとPyQt6のデスクトップGUIを提供します。 関連…
Kana & Mari's SoundRepos (Japanese)HamSanders/soundbox|音楽と効果音を作るローカルAI|GitHub
Soundboxは、オープンウェイトのAIモデルを自分のマシン上で実行し、効果音・音楽・歌・音声の生成や音声クローンを行うアプリです。生成した音をタイムラインで編集でき、HTTP APIやMCPサーバーを通じてAIエージェントからも操作できます。 関連…
Kana & Mari's SoundRepos (Japanese)Cuongyd196/cit-voice-studio|文章から声を作るオフライン音声合成|GitHub
CIT Voice Studioは、文章から自然な音声を生成するデスクトップアプリです。ベトナム語の読み上げや声のクローンに加え、多言語音声、会話・ポッドキャスト、字幕に合わせた吹き替え、ローカルAPIを利用できます。処理とデータ保存は基本的に利用者の端末内で行います。 関連…
Kana & Mari's SoundRepos (Japanese)NarratorAI-Studio/narrator-ai-cli|映画解説動画を作る生成AI|GitHub
Narrator AIの動画制作プラットフォームを操作するPython製CLIです。映画の検索、ナレーション原稿や音声の生成、BGM選択、動画編集などを行い、映画解説動画の制作工程をまとめて実行できます。AIエージェントとの連携にも対応しています。 関連…
Kana & Mari's SoundRepos (Japanese)TrevorS/qwen3-tts-rs|Rustで動く音声合成AI|GitHub
AlibabaのQwen3-TTSモデルをRustのみで推論し、テキストから音声を生成するライブラリです。音声のストリーミング生成、参照音声による声のクローン、プリセット話者やテキスト指定の声、CLIでのWAV出力に対応します。 関連: TrevorS/qwen3-tts-rs/Rustで動く音声合成AI/GitHub
Kana & Mari's SoundRepos (Japanese)HoppouAI/Breeze-TTS-2.cpp|声を作り分ける音声合成AI|GitHub
Breeze-TTS-2をC++とGGUF形式で動かす音声合成実装です。英語・中国語の音声生成に対応し、声のデザイン、音声クローン、話し方の指示、実験的な声質変換を提供します。CLI、HTTP・WebSocketサーバーとWeb UI、C共有ライブラリを備えています。 関連…
Kana & Mari's SoundRepos (Japanese)edde746/tiktok-askreddit|Reddit投稿をTikTok動画化|GitHub
RedditのAskRedditから投稿とコメントを取得し、スクリーンショットと音声を組み合わせた縦型動画を生成してTikTokへ投稿する自動化ボットです。Seleniumによるスクレイピングとアップロード、Edge TTSによる音声合成、MoviePyによる動画編集を行います。 関連…
Kana & Mari's SoundRepos (Japanese)earlephilhower/BackgroundAudio|マイコン音声再生ライブラリ|GitHub
Raspberry Pi Pico/Pico 2やESP32向けのArduino音声再生ライブラリです。MP3・AAC・WAVの再生や音声合成に対応し、割り込みとバッファを使って、アプリケーションの処理を止めずにI2S、PWM、Bluetooth A2DPへ音声を出力できます。 関連…
Kana & Mari's SoundRepos (Japanese)sahilmahendrakar/paradee|英語テキスト読み上げ音声合成|GitHub
Kokoro-82Mから知識蒸留した軽量な英語テキスト音声合成モデルです。4種類の米国・英国英語の音声に対応し、ONNX形式でCPU上でも高速に音声を生成できます。PythonライブラリやCLIから利用でき、ブラウザでの利用にも対応しています。 関連…
Kana & Mari's SoundRepos (Japanese)timoncool/speech-studio|ローカル音声生成と文字起こし|GitHub
Speech Studioは、音声の生成と文字起こしを行うデスクトップAIスタジオです。音声合成・声の複製、話者分離付き文字起こし、音声対話に加え、オーディオブックや字幕の作成、MCPおよびOpenAI互換APIを提供します。処理は主にローカルで実行されます。 関連…
Kana & Mari's SoundRepos (Japanese)hehehai/AudioSmith|Mac向け音声生成と文字起こし|GitHub
Appleシリコン搭載Mac上で、音声の生成・声のクローンやデザイン・文字起こし・動画の吹き替え・音声入力などを行うローカル音声スタジオです。モデルをダウンロードした後は、音声処理をMac上でオフライン実行でき、APIやMCPを通じた自動化にも対応します。 関連…
Kana & Mari's SoundRepos (Japanese)bayshier/voicestudio-zh|音声を生成するAI音声制作ソフト|GitHub
VoiceStudio は、音声クローニング、音声合成、文字起こし、動画吹き替え、有声書制作などを行う、ローカル優先のオープンソース音声制作デスクトップアプリです。複数の TTS・ASR エンジンを切り替えられ、API や MCP 経由での利用にも対応しています。このリポジトリは、アプリ本体を変更せずに公式…
Kana & Mari's SoundRepos (Japanese)Yuuyuko-uu/dsh-tts-bridge|会話をブラウザ音声で読み上げる|GitHub
DSHの会話を、ユーザー自身がログインしたDeepSeekのウェブページに送って読み上げるための連携ツールです。DSHプラグインが会話を検出してキューに入れ、Chromium系ブラウザーの拡張機能がDeepSeekの朗読機能を操作します。自動朗読、手動再生、停止、会話の選択、読み上げ内容の保存に対応しています。…
Kana & Mari's SoundRepos (Japanese)cyber-xiaoya/cyber-xiaoya-live|コメントで動く配信デジタルヒューマン|GitHub
Vidu s2を使ったデジタル配信者のための、ローカル実行型ライブ配信システムです。ブラウザーの舞台ページとFastAPI製の橋渡しサーバーを備え、LLMによる会話、音声合成、コメント連動の動作指示、歌の再生、録画などを連携します。ViduやLLM、OmniVoiceなどの外部サービス・モデルは別途準備が必要です。…
Kana & Mari's SoundRepos (Japanese)amazon-archives/amazon-polly-sample|RSS記事を音声ポッドキャスト化|GitHub
RSSフィードの新着記事を取得し、Amazon Pollyで音声に変換してMP3として保存するサンプルアプリです。生成した音声とPodcast用RSSフィードをAmazon S3で公開し、一般的なPodcastプレーヤーから聴けるようにします。 関連…
Kana & Mari's SoundRepos (Japanese)andresayac/edge-tts|文章を音声にする音声合成|GitHub
Microsoft Edgeのオンライン音声合成サービスを利用し、テキストを音声に変換するTypeScriptライブラリです。音声・話者の選択やストリーミング、字幕生成、CLIでの利用に対応し、Node.jsとブラウザから利用できます。 関連…
Kana & Mari's SoundRepos (Japanese)alexturkey/voxcpm2-turkce-ses-tasarimi|声をデザインして文章を音声化|GitHub
VoxCPM2を使って、声の説明文から合成音声をデザインし、任意の文章を読み上げるためのツールです。ローカルWeb UIとコマンドラインに対応し、トルコ語を中心に8言語の音声、音声の読み上げ、許可を前提とした音声クローン機能を提供します。 関連…
Kana & Mari's SoundRepos (Japanese)bozhouDev/video-skills-toolkit|短尺動画制作を支援するAIスキル集|GitHub
自媒体・短尺動画の制作工程を支援するAgent Skillsツールキットです。動画のリサーチや文字起こしから、台本・音声・字幕・HyperFramesによる映像制作、BGM、カバー画像の作成までをワークフローとして提供します。 関連…
Kana & Mari's SoundRepos (Japanese)tetsuo-ai/voice_clone_lab|自分の声を複製する音声生成AI|GitHub
数分の音声からQwen3-TTSを追加学習し、テキストを本人の声で音声化するローカル向けツールです。音声の抽出・整理・文字起こし・校正・学習・生成までをCLIまたはWeb UIで実行でき、学習なしのゼロショット生成にも対応します。 関連…
Kana & Mari's SoundRepos (Japanese)yuanfangqiao/euanka|自宅で動かすAI音声対話|GitHub
音声認識、自然言語処理、大規模言語モデル、音声合成を連携させ、自宅で動かせるAI音声対話キャラクターを構築するためのバックエンドです。Go製の対話プロトコル分配サービスを中心に、ASRのk2、Rasa、ChatGLM2-6B、VITSなどの外部サービスやWebフロントエンドと連携し、Docker…
Kana & Mari's SoundRepos (Japanese)evandempsey/podcast-llm|AIでポッドキャストを自動生成|GitHub
大規模言語モデルを使って、指定したテーマのポッドキャスト会話と音声を自動生成するPythonプロジェクトです。Web検索による調査、またはURLやファイルの資料をもとに、構成案や台本を作成し、Google CloudやElevenLabsの音声合成で音声化できます。CLIとGradioのWeb UIに対応しています。…
Kana & Mari's SoundRepos (Japanese)raullenchai/esp32-thinks|ESP32向け音声AIアシスタント|GitHub
ESP32-S3搭載のSenseCAP Watcherを、音声で会話できる個人向けAIアシスタントにするファームウェアパッチとビルド用ツールです。ウェイクワードやボタンで音声を入力し、STT・チャット・TTSの独立したOpenAI互換エンドポイントを利用して、返答を音声で再生します。位置情報や天気、記憶機能を追加できる…
Kana & Mari's SoundRepos (Japanese)sitor-ai/frametell|資料から解説動画を作るAI|GitHub
アイデアやPDF、文書、スライド、画像などから、AIを使って解説動画を制作するオープンソースのツールです。ストーリーボードの確認、ナレーションと音声の生成、ページ描画と品質チェックを経て、字幕付きの1080p動画を出力できます。 関連: sitor-ai/frametell/資料から解説動画を作るAI/GitHub
Kana & Mari's SoundRepos (Japanese)receptron/mulmocast-cli|生成AIで動画や資料を作る|GitHub
MulmoCastは、JSONまたはYAML形式のMulmoScriptをもとに、生成AIを活用して動画・音声・スライド・PDF・漫画などを作成するマルチモーダル制作ツールです。CLIやライブラリとして利用でき、台本生成、翻訳、画像・音声生成、動画編集、利用量の推定にも対応します。 関連…
Kana & Mari's SoundRepos (Japanese)nyosegawa/speech.cpp|音声合成と音声認識ツール|GitHub
ggmlを使ってローカルで音声合成、音声認識、音声区間検出を行うC++プロジェクトです。CLI、C APIライブラリ、OpenAI互換のHTTP・Realtime APIサーバーを提供し、複数の音声モデルをCPU、Metal、Vulkanで実行できます。 関連…
Kana & Mari's SoundRepos (Japanese)i3thuan5/tai5-uan5_gian5-gi2_kang1-ku7|台湾語の自然言語処理ライブラリ|GitHub
台湾語(閩南語)や客家語を対象とする言語情報処理ライブラリです。テキスト処理、形態素解析、翻訳、音声認識・合成、言語モデルなどの機能を提供します。 関連: i3thuan5/tai5-uan5_gian5-gi2_kang1-ku7/台湾語の自然言語処理ライブラリ/GitHub
Kana & Mari's SoundRepos (Japanese)honwee/mynah|音声対話型デジタルヒューマン|GitHub
Mynahは、音声で会話し、発話に合わせて映像を生成するデジタルヒューマンをセルフホストで運用するためのオープンソース基盤です。WebRTCによるリアルタイム配信に加え、管理コンソール、知識ベース、チャンネル公開、アバター学習や音声クローンなどを備えています。 関連…
Kana & Mari's SoundRepos (Japanese)juspay/neurolink|複数AIを統合する生成AI基盤|GitHub
NeuroLinkは、OpenAIやAnthropic、Google、AWS、ローカルモデルなど多数のAIプロバイダーを共通APIで利用するためのTypeScript製SDKおよびCLIです。テキスト生成・ストリーミング・型付き判断に加え、ツール連携、RAG、音声、メモリ、プロバイダー切り替えなどの機能を提供します。…
Kana & Mari's SoundRepos (Japanese)timoncool/dub-studio|動画を別言語に吹き替えるAI|GitHub
Dub Studioは、動画を別の言語に吹き替え、字幕翻訳や画面内テキストのローカライズも行うデスクトップアプリです。音声の文字起こし、話者識別、声のクローン、編集・書き出しに対応し、処理は原則ローカルで実行できます。 関連: timoncool/dub-studio/動画を別言語に吹き替えるAI/GitHub
Kana & Mari's SoundRepos (Japanese)hash2430/pitchtron|音声の韻律を移す音声合成|GitHub
Pitchtronは、参照音声の韻律を別の文章や話者の音声に移す音声合成ツールキットです。韓国語の方言や感情的な話し方にも対応し、韻律を厳密に移すHard版、自然さを重視するSoft版、Global Style Token版を提供します。音声データの前処理、学習、推論の機能も含みます。 関連…
Kana & Mari's SoundRepos (Japanese)beiyege-01/dsh-voice-ai-girlfriend|音声で会話するAIアシスタント|GitHub
DeepSeek Harness向けの音声対話プラグインと音声ブリッジを提供する、AIコンパニオン用リポジトリです。音声認識・音声合成・割り込み再生に加え、任意でQQ連携や、音声と口の動きを同期したデジタルヒューマン動画の生成・再生に対応します。 関連…
Kana & Mari's SoundRepos (Japanese)qxoticai/qxotic|JVM向けローカルAI推論基盤|GitHub
Quixotic AIは、JVM上でローカルAIを実行するためのオープンソース基盤です。LLM推論に加え、トークナイザー、テンソル処理、量子化カーネル、GGUF・Safetensors形式の読み書きなどを提供し、チャットや画像・音声処理にも対応します。 関連…
Kana & Mari's SoundRepos (Japanese)OneMoh/html-explainer|テーマから解説動画を作るツール|GitHub
任意のテーマから、ナレーション・字幕・カバー画像付きの解説動画を制作する Agent Skill です。HTML/CSSとGSAPで作成した画面を決定的に逐フレーム描画し、MP4へ合成します。音声合成、字幕生成、画面スタイルの編成、品質チェックにも対応します。 関連…
Kana & Mari's SoundRepos (Japanese)kanttouchthis/text_generation_webui_xtts|多言語音声合成と声のクローン生成|GitHub
text-generation-webui向けの拡張機能で、Coqui XTTSv2を使って文章を多言語で音声化します。短い音声サンプルから声を模倣でき、ナレーター機能では文章を複数の声で読み上げ、音声を結合して表示できます。 関連…
Kana & Mari's SoundRepos (Japanese)heardlabs/heard|開発エージェントの作業を音声通知|GitHub
macOS上でClaude CodeやCodexなどのAIコーディングエージェントの進捗、完了、エラー、確認事項を要約し、音声で知らせるツールです。フックやMCPで複数のエージェントを連携でき、ローカル音声合成や各種クラウド音声にも対応します。 関連…
Kana & Mari's SoundRepos (Japanese)longluo/EbookReader|多形式対応Android電子書籍リーダー|GitHub
Android端末で電子書籍を読むためのアプリケーションです。TXT、MOBI、AZW系、PDF、EPUB、CBZ、XPS、FB2など多様な形式に対応し、目次、しおり、読書設定、ナイトモード、進捗管理、TTS読み上げなどを提供します。 関連…
Kana & Mari's SoundRepos (Japanese)chyinan/Kokoro-Engine|記憶するデスクトップAIキャラ|GitHub
Kokoro Engineは、Live2Dの姿・音声・長期記憶を備えたAIキャラクターをデスクトップ上で動かすクロスプラットフォームアプリです。LLM、TTS、STT、画像認識、画像生成、MCP、MOD、各種Bot連携を統合し、ローカル優先で継続的なマルチモーダル対話を実現します。 関連…
Kana & Mari's SoundRepos (Japanese)lugia19/elevenlabslib|GitHub
ElevenLabs APIをPythonから利用するための非公式ラッパーライブラリです。音声合成、ストリーミング再生、音声クローニング、音声デザイン、吹き替え、履歴・プロジェクト管理などを提供します。なお、ElevenLabs APIの変更が速いため、現在は非推奨です。 関連…
Kana & Mari's SoundRepos (Japanese)IS2AI/Kazakh_TTS|カザフ語の音声合成モデル|GitHub
KazakhTTSおよびKazakhTTS2コーパスを用いて、カザフ語の音声合成モデルをESPnet上で学習・評価するレシピです。Tacotron 2を標準に、TransformerやFastSpeech系モデルの学習、Parallel WaveGANによる音声波形生成、任意テキストからの音声合成に対応します。…
Kana & Mari's SoundRepos (Japanese)keonlee9420/STYLER|高速で制御可能な音声合成|GitHub
STYLERは、音声をテキストから生成するニューラルTTSフレームワークです。非自己回帰型モデル、音声とテキストのアライメント、話者・発話スタイル・ノイズ要因の分離により、高速で頑健かつ表現豊かで制御可能な音声合成を実現します。VCTKとWHAM!を用いた学習、前処理、評価、推論に対応しています。 関連…
Kana & Mari's SoundRepos (Japanese)sidharthrajaram/StyleTTS2|文章を自然な音声に変換するAI|GitHub
StyleTTS 2をPythonパッケージとして利用し、文章から自然な音声を合成する推論ライブラリです。事前学習済みモデルによる音声生成、参照音声を使った声質のクローニング、スタイルベクトル指定、WAV出力に対応しています。学習やファインチューニング機能は含まれず、推論に特化しています。 関連…
Kana & Mari's SoundRepos (Japanese)pattern-ai-labs/agentcall|音声で会議に参加するAI|GitHub
AIエージェントをGoogle Meet、Zoom、Microsoft Teamsなどのビデオ会議に音声参加させるAgentCallスキルです。リアルタイム文字起こし、音声応答、アバター表示、画面共有、チャット、スクリーンショットなどを提供し、各種コーディングエージェントと連携して会議中の作業も可能にします。 関連…
Kana & Mari's SoundRepos (Japanese)owenawsong/Inflect|ローカル英語音声合成エンジン|GitHub
Inflect v2は、英語テキストを24kHzの音声波形へ変換するローカルTTSエンジンです。PyTorchによるCPU・CUDA推論、Python…
Kana & Mari's SoundRepos (Japanese)leemysw/yovoice|文字を音声に変える音声生成AI|GitHub
yovoiceは、macOSとWindows上で動作するローカル音声生成・音声制作ツールです。音声クローニング、感情や話し方の制御、字幕対応の複数話者プロジェクト、タイムライン編集、WAV書き出しを提供し、デスクトップアプリとCLIの両方でクラウドAPIなしにTTSモデルを実行できます。 関連…
Kana & Mari's SoundRepos (Japanese)zhenye234/FlashSpeech|高速なゼロショット音声合成|GitHub
FlashSpeech論文に基づく、効率的なゼロショット音声合成の実装です。AmphionのNaturalSpeech2を基盤に、音声データの前処理、LibriTTSを用いた段階的な学習、推論、音声品質や話者類似度などの評価機能を提供します。ステージ3の実装など、一部の機能は未完成です。 関連…
Kana & Mari's SoundRepos (Japanese)chinokikiss/GSV-TTS-Lite|低遅延な音声合成エンジン|GitHub
GPT-SoVITS V2、V2Pro、V2ProPlus向けの高性能な音声合成推論バックエンドです。ストリーミング推論、バッチ処理、字単位タイムスタンプ、音色変換、話者認証などを提供し、CUDA GraphやKVキャッシュ、連続バッチ処理により低遅延・低VRAM動作を実現します。 関連…
Kana & Mari's SoundRepos (Japanese)soniqo/speech-android|GitHub
Android端末上で音声認識、音声合成、音声区間検出、話者分離、話者埋め込み、ノイズ抑制を実行するオンデバイス音声SDKです。Kotlin SDKとJNIブリッジを通じてspeech-coreおよびONNX…
Kana & Mari's SoundRepos (Japanese)AlexandaJerry/whisper-vits-japanese|音声から日本語音声合成を学習|GitHub
Google Whisperを音声認識とデータ準備に利用し、長時間音声を自動文字起こし・分割してVITS用の日本語音声合成データセットへ変換するプロジェクトです。前処理からVITSの学習、推論、単一話者・複数話者モデルの作成までをColabやJupyter Notebookで実行できます。 関連…
Kana & Mari's SoundRepos (Japanese)HojoAI/Hojo-TTS-Light|軽量な音声合成エンジン|GitHub
HojoAIが開発する軽量なテキスト音声合成モデルで、中国語と英語の音声を生成します。40M版は15種類のプリセット音声、80M版は数秒の音声を使った話者音声クローンに対応し、ONNX RuntimeによるCPU・GPU推論を提供します。 関連…
Kana & Mari's SoundRepos (Japanese)Voine/Bert-VITS2-MNN|Android多言語オフライン音声合成|GitHub
Bert-VITS2 v2.3をAndroid向けに移植し、MNNを使って中国語・日本語・英語および中英混合入力の音声合成を端末上でオフライン実行するプロジェクトです。テキスト前処理、BERT埋め込み、VITS推論、音声再生を備えたデモアプリを提供し、推論機能はAARとして他のAndroidアプリへ組み込めます。…
Kana & Mari's SoundRepos (Japanese)zaigie/FunSpeech|ローカル音声認識と音声合成API|GitHub
FunSpeechは、音声認識ASRと音声合成TTSを提供するローカル・プライベート音声サービスです。FastAPI製のAPIゲートウェイと、FunASR、Dolphin、Qwen3-ASR、CosyVoice、Qwen3-TTSなどの独立GPU推論サービスで構成され、Aliyun/OpenAI互換のHTTP…
Kana & Mari's SoundRepos (Japanese)allmodels-io/hermes-speech|音声認識と音声合成を追加するプラグイン|GitHub
Hermes AgentにAllModels経由の音声合成TTSと音声認識STTを追加するプラグインです。音声ストリーミング、音声検索とプレビュー、モデルや音声の設定、アカウント登録、残高確認、チャージなどをHermesのCLIやTUI、デスクトップアプリから利用できます。 関連…
Kana & Mari's SoundRepos (Japanese)rishikksh20/AdaSpeech|話者適応型テキスト音声合成|GitHub
AdaSpeechを基盤にした、単一話者向けの適応型テキスト音声合成TTSの非公式PyTorch実装です。FastSpeech…