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)Alisa0808/vox-director
このリポジトリは、1つのテーマからVox風の紙コラージュ解説・広告動画を自動生成する「agent skill」です。脚本作成、コラージュのキーフレーム生成、モーション付与、音声合成、BGM、字幕焼き込み、ffmpegによる最終合成までをAtlas Cloud APIとローカル環境で一気通貫に実行します。
Kana & Mari's SoundRepos (Japanese)lucasnewman/nanospeech
Nanospeechは、PyTorchとMLXで実装されたシンプルで改造しやすいテキスト読み上げ(TTS)システムです。参照音声サンプルから話者の声を合わせる機能を持ち、事前学習済みの英語モデル、CLI、Gradioデモ、学習用スクリプトを備えています。
Kana & Mari's SoundRepos (Japanese)divyaprakash0426/autoshorts
AutoShortsは、長尺のゲームプレイ動画からAIで見どころシーンを抽出し、縦型のショート動画として自動生成するツールです。字幕生成、AI音声ナレーション、GPU加速レンダリング、複数のAIプロバイダ(OpenAI/Gemini/ローカル)対応を備え、TikTok/YouTube…
Kana & Mari's SoundRepos (Japanese)sdsds222/Unitale
このリポジトリは、LLMとTTSを組み合わせて有声書・有声ストーリーをブラウザ上で制作するためのWebツールです。脚本の自動分解、感情推定、多角色音声合成、SFX/BGMの自動編成、音声フィルタの挿入、さらに背景画像付きMP4動画の生成までを一括で行えることを目的としています。
Kana & Mari's SoundRepos (Japanese)YuriCrystal/ai-avatar-bot
右下角に常駐するAI虚擬人ウィジェットを、1行ので任意のWebサイトへ埋め込むためのデモ兼実装リポジトリです。Live2D/VRMのキャラクター表示、音声入力(STT)、音声出力(TTS)、口パク、知識ベース検索、任意のWebLLM連携、サイト側API連携をブラウザ中心で提供します。基本は純フロントエンドで動作し、必要…
Kana & Mari's SoundRepos (Japanese)keonlee9420/Parallel-Tacotron2
Googleの論文「Parallel Tacotron 2」をPyTorchで実装した音声合成(TTS)リポジトリです。テキストからメルスペクトログラムを生成する非自己回帰モデルの学習・評価・推論、データ前処理、TensorBoardログ出力、HiFi-GANなどのボコーダ連携を提供しています。
Kana & Mari's SoundRepos (Japanese)roryeckel/wyoming_openai
Wyomingプロトコル向けのOpenAI互換プロキシミドルウェアです。Home…
Kana & Mari's SoundRepos (Japanese)Orkas-AI/Orkas-VideoStudio
OrkasVideoStudio は、coding agent から自然言語で動画の合成・編集・生成を指示できる、エージェント向け動画制作ツールキットです。可読で差分可能な `plan.json` を中核に、Compose / Edit / Generate / Auto の4つの制作ラインを CLI と MCP…
Kana & Mari's SoundRepos (Japanese)mateogon/pdf-narrator
PDFやEPUB、TXT、HTMLファイルを読み込み、テキスト抽出・整形を行ったうえで、Kokoro TTSを使ってオーディオブック化するGUIアプリです。PDFはTOCやヒューリスティック、スキャンPDFのOCRにも対応し、EPUBは内部構造やTOCを解析して章単位で抽出できます。
Kana & Mari's SoundRepos (Japanese)yl365/MoneyPrinterTurboEasy
このリポジトリは、ユーザーが入力したテーマからAIで口述文案を生成し、Pexels/Pixabayの動画素材や音声と組み合わせて短尺の音声付き動画を作成するためのデスクトップアプリです。READMEでは「一句話で专业爆款短视频を生成」と説明されており、設定ファイルを編集して実行する形の動画生成ツールとして提供されていま…
Kana & Mari's SoundRepos (Japanese)balisujohn/tortoise.cpp
GGMLベースでTortoise-TTSをC++へ移植した音声合成(TTS)プロジェクトです。CPU/CUDA/一部Metalで動作し、モデルファイルと話者ボイスファイルを読み込んで、コマンドラインから音声を生成します。README上では、音声プロンプトの文字種制限やボイス追加方法も案内されています。
Kana & Mari's SoundRepos (Japanese)keonlee9420/Cross-Speaker-Emotion-Transfer
PyTorchで実装された、話者条件付きLayer Normalizationと半教師あり学習を用いるクロススピーカー感情転送TTS(Text-to-Speech)モデルのリポジトリです。学習・推論・評価・前処理の一連の処理に対応しており、RAVDESSなどの感情音声データセットを使って、話者と感情を制御した音声合成を…
Kana & Mari's SoundRepos (Japanese)journey-ad/CosyVoice2-Ex
CosyVoice2-Ex は、CosyVoice2 を拡張した音声合成(TTS)向けの WebUI/API リポジトリです。事前学習音色の利用、3秒程度の高速音色クローン、自然言語による発話制御、自動音声認識、音色保存、API 提供を行い、Windows / Linux / macOS での利用を想定しています。
Kana & Mari's SoundRepos (Japanese)Aratako/MioTTS-Inference
MioTTSという軽量・高速なTTSモデルの推論用リポジトリで、OpenAI互換APIを持つLLM推論基盤(llama.cpp、Ollama、vLLMなど)をバックエンドとして音声合成を行います。REST APIと簡易WebUIを提供し、参照音声プリセットの登録やBest-of-Nによる品質選択にも対応しています。
Kana & Mari's SoundRepos (Japanese)sfortis/openai_tts
Home Assistant向けのカスタムTTS統合で、OpenAIの音声合成APIおよびOpenAI互換バックエンドを使ってテキストを音声再生します。複数のTTSプロファイル、音声・モデル・音声形式の選択、ジングル追加、音量正規化、再生前後の音量復元や一時停止/再開など、アナウンス用途の機能が中心です。
Kana & Mari's SoundRepos (Japanese)yerfor/SyntaSpeech
SyntaSpeechは、IJCAI 2022論文の公式PyTorch実装で、語法情報を取り入れた非自回帰Text-to-Speech(TTS)システムです。句法グラフの構築・エンコードと、多長度の敵対的学習を用いて、韻律や音質を改善しつつ推論を高速化することを目的としています。LJSpeech、Biaobei、Lib…
Kana & Mari's SoundRepos (Japanese)soobinseo/Tacotron-pytorch
TacotronのPyTorch実装で、テキストから音声波形を生成するTTS(Text-to-Speech)モデルを学習・推論するためのリポジトリです。LJSpeechデータセットを前提に、テキスト前処理、メル/線形スペクトログラム生成、Tacotron本体の学習、チェックポイント保存、音声合成までを一通り提供していま…
Kana & Mari's SoundRepos (Japanese)dramaclaw/dramaclaw
DramaClaw は、脚本の取り込みからキャラクター抽出、エピソード設計、台本生成、絵コンテ・初稿画像生成、音声合成、動画編集・書き出しまでを一気通貫で行う、短編ドラマ制作向けのソース公開型パイプラインです。個人クリエイターや小規模スタジオが、自前の環境で“ドラマ工場”を運用できることを目的としており、Freezon…
Kana & Mari's SoundRepos (Japanese)karim23657/Persian-tts-coqui
このリポジトリは、Coqui TTSを使ってペルシア語(Farsi)のテキスト読み上げモデルを学習・微調整・テストするためのサンプルコード集です。GlowTTS、VITS、マルチスピーカーVITSの学習ノートブックや推論例、事前学習済みモデルへのリンクが含まれています。
Kana & Mari's SoundRepos (Japanese)lucoiso/UEAzSpeech
Unreal Engine向けのプラグイン「AzSpeech」で、Microsoft Azure Speech Cognitive Services…
Kana & Mari's SoundRepos (Japanese)Deepest-Project/MelNet
MelNetという、音声を周波数領域のメルスペクトログラムとして生成する深層生成モデルの実装です。学習用のトレーナーと、チェックポイントから音声をサンプリングしてスペクトログラム・波形・WAVを出力する推論スクリプトが含まれています。KSSやBlizzard、VoxCeleb2向けの設定が用意されており、条件付きTTS…
Kana & Mari's SoundRepos (Japanese)pkozul/ha-tts-bluetooth-speaker
Home Assistant向けのカスタムコンポーネント集で、BluetoothスピーカーへTTS(音声合成)を再生するメディアプレーヤーを提供します。さらに、Bluetooth存在検知(device_tracker)と音声再生が同時にBluetoothを奪い合って音切れする問題を避けるため、Bluetoothトラッカ…
Kana & Mari's SoundRepos (Japanese)sekift/so-vits-models
このリポジトリは、LLM、音声変換(so-vits-svc/TTS)、Stable Diffusion、プロンプトエンジニアリングなどのAI関連モデル・アプリ・データセット・参考資料を集約したリンク集です。各分野ごとに代表的なサービス、GitHub、論文、Hugging…
Kana & Mari's SoundRepos (Japanese)PiSugar/whisplay-ai-chatbot
Raspberry Pi Zero 2W / Pi 5 向けのポケットサイズAIチャットボット端末を構築するリポジトリです。ボタン押下で音声入力し、ASR・LLM・TTSを使って応答するほか、LCD表示、RGB LED、ウェイクワード、画像生成、RAG、プラグイン拡張などに対応しています。
Kana & Mari's SoundRepos (Japanese)ZDisket/TensorVox
TensorVoxは、Windowsデスクトップ向けの軽量なニューラル音声合成(TTS)アプリです。複数のAI音声モデルを読み込み、テキストから音声を生成したり、バッチで音声をデノイズ/リサンプルしたりできます。
Kana & Mari's SoundRepos (Japanese)gpustack/vox-box
Vox Box は、OpenAI API 互換の音声認識(speech-to-text)/音声合成(text-to-speech)サーバーです。Whisper、FunASR、Bark、Dia、CosyVoice…
Kana & Mari's SoundRepos (Japanese)zhenye234/CoMoSpeech
CoMoSpeechという、テキストから音声・歌声を生成するための拡散モデル/Consistency Modelベースの音声合成リポジトリです。1ステップ生成による高速推論を目指しており、教師モデルの蒸留による学生モデル学習、推論、LJSpeechを用いた学習コードが含まれています。HiFi-GAN вокoder…
Kana & Mari's SoundRepos (Japanese)jscrane/TTS
Arduino向けのText-to-Speech(TTS)ライブラリです。英語の語彙・音素変換ルールと音声データをPROGMEMに保持し、PWMやDAC出力を使ってArduino系ボード上で音声合成を行います。
Kana & Mari's SoundRepos (Japanese)hegedustibor/htgo-tts
Go言語向けのText-to-Speech(TTS)ライブラリです。Google Translateの音声生成APIを利用してテキストをMP3化し、ファイル保存や再生まで行えます。再生はmplayerを使う方法と、go-mp3 + oto/v2 を使うネイティブ再生の両方に対応しています。
Kana & Mari's SoundRepos (Japanese)mtkresearch/BreezeApp
BreezeAPP 是一款為 Android 和 iOS 平台開發的純手機 AI 應用程式。從 App Store下載,即可在不連網的狀態下享受多項 AI 功能。源碼由聯發創新基地(MediaTek Research)提供。我們旨在推廣兩個概念: 人人都可以在自己的手機上自由選擇並運行不同的LLM - one is…
Kana & Mari's SoundRepos (Japanese)netease-youdao/Confucius4-TTS
Confucius4-TTS: a Multilingual and Cross-Lingual Zero-Shot TTS Engine
Kana & Mari's SoundRepos (Japanese)Lyrcaxis/KokoroSharp
Fast local TTS inference engine in C# with ONNX runtime. Multi-speaker, multi-platform and multilingual. Integrate on your .NET projects using a plug-and-play…
Kana & Mari's SoundRepos (Japanese)OEvortex/llm4free
LLM4Free — All-in-one Python toolkit for web search, AI interaction (40+ free providers), digital utilities, and more. Formerly WebScout.
Kana & Mari's SoundRepos (Japanese)p0p4k/pflowtts_pytorch
Unofficial implementation of NVIDIA P-Flow TTS paper
Kana & Mari's SoundRepos (Japanese)OpenMOSS/MOSS-Audio-Tokenizer
MOSS-Audio-Tokenizer is a Causal Transformer-based audio tokenizer built on the CAT architecture. Trained on 3M hours of diverse audio, it supports streaming…
Kana & Mari's SoundRepos (Japanese)worldwonderer/video-recap-skills
Turn any video into a narration recap with claude code skill|用claude code skill把任何视频剪辑成中文解说视频,支持剪映导出
Kana & Mari's SoundRepos (Japanese)thuhcsi/Crystal
Crystal - C++ implementation of a unified framework for multilingual TTS synthesis engine with SSML specification as interface.
Kana & Mari's SoundRepos (Japanese)dunky11/voicesmith
[WIP] VoiceSmith makes training text to speech models easy.
Kana & Mari's SoundRepos (Japanese)ekwek1/soprano-factory
Soprano-Factory: Train your own 2000x realtime text-to-speech model
Kana & Mari's SoundRepos (Japanese)small-cactus/M.I.L.E.S
M.I.L.E.S, a GPT-4-Turbo voice assistant, self-adapts its prompts and AI model, can play any Spotify song, adjusts system and Spotify volume, performs…
Kana & Mari's SoundRepos (Japanese)Yazdi9/Talking_Face_Avatar
Avatar Generation For Characters and Game Assets Using Deep Fakes
Kana & Mari's SoundRepos (Japanese)XilinJia/Podcini
Open source podcast instrument for Android supporting contents from YouTube and YT Music as well as normal podcasts.
Kana & Mari's SoundRepos (Japanese)LonePheasantWarrior/TalkifyTTS
云端大模型驱动的 Android 语音合成应用(TTS引擎)。支持豆包、腾讯、微软、千问等模型。An Android text-to-speech (TTS) engine powered by cloud-based large language models. Supports models such as…
Kana & Mari's SoundRepos (Japanese)rishikksh20/FastSpeech2
PyTorch Implementation of FastSpeech 2 : Fast and High-Quality End-to-End Text to Speech
Kana & Mari's SoundRepos (Japanese)herimor/voxtream
VoXtream is a Full-Stream Zero-shot TTS model with Extremely Low Latency and Speaking rate Control

Kana & Mari's SoundRepos (Japanese)robinhad/ukrainian-tts
Ukrainian TTS (text-to-speech) using ESPNET

Kana & Mari's SoundRepos (Japanese)CMsmartvoice/One-Shot-Voice-Cloning
:relaxed: One Shot Voice Cloning base on Unet-TTS
Kana & Mari's SoundRepos (Japanese)keonlee9420/DiffSinger
PyTorch implementation of DiffSinger: Singing Voice Synthesis via Shallow Diffusion Mechanism (focused on DiffSpeech)
Kana & Mari's SoundRepos (Japanese)AIFSH/ComfyUI-GPT_SoVITS
a comfyui custom node for GPT-SoVITS! you can voice cloning and tts in comfyui now
Kana & Mari's SoundRepos (Japanese)yl4579/HiFTNet
HiFTNet: A Fast High-Quality Neural Vocoder with Harmonic-plus-Noise Filter and Inverse Short Time Fourier Transform
Kana & Mari's SoundRepos (Japanese)asiff00/On-Device-Speech-to-Speech-Conversational-AI
This is an on-CPU real-time conversational system for two-way speech communication with AI models, utilizing a continuous streaming architecture for fluid…
Kana & Mari's SoundRepos (Japanese)BinWang28/audio-ai-hub
The hub for audio AI research: papers, open models, benchmarks & datasets across audio LLMs, speech recognition, TTS, music & audio generation.
Kana & Mari's SoundRepos (Japanese)Xerophayze/TTS-Story
TTS-Story is a web-based multi‑voice TTS studio for turning tagged scripts into audiobooks—featuring full speaker management, chunk review/regeneration, a job…
Kana & Mari's SoundRepos (Japanese)AutoArk/GPA
[AutoArk] GPA (General Purpose Audio) can do ASR, TTS and voice conversion with one tiny model!
Kana & Mari's SoundRepos (Japanese)elevenlabs/skills
Collections of skills for building with ElevenLabs
Kana & Mari's SoundRepos (Japanese)KevinMIN95/StyleSpeech
Official implementation of Meta-StyleSpeech and StyleSpeech

Kana & Mari's SoundRepos (Japanese)shell-nlp/gpt_server
gpt_server是一个用于生产级部署LLMs、Embedding、Reranker、ASR、TTS、文生图、图片编辑和文生视频的开源框架。