AI 资源库 · 已整理 5 项
查看与文本转语音相关的 AI 资讯、工具、Skill、工作流和开源项目。
dseelinger/d47 · A Guardian-flavoured AI voice companion for Elite Dangerous. Windows desktop and SteamVR overlay.
Directive 47 是面向《Elite Dangerous》的 Guardian 风格语音伴侣，运行于 Windows 桌面与 SteamVR 叠加层。它读取游戏已写入的 journal 日志，通过语音回答关于飞船、模块、工程师、蓝图和路线的问题，并主动播报值得关注的事件，还能按用户指令在游戏内执行操作。项目使用 C# 与 .NET 10 构建，分为核心游戏逻辑、音频、知识、LLM、STT、TTS、VR 等模块，提供自包含单文件可执行程序与免提权安装包。
privacydied/discord-llm-chatbot · Discord bot that integrates LLMs with multimodal capabilities including text chat, voice synthesis (TTS), speech recognition (STT), image analysis (VL), web content extraction, and RAG. The bot connects to Discord and processes messages through a central router that intelligently routes different input modalities to appropriate handlers.
基于 discord.py 2.x 的生产级 Discord 机器人，通过中央路由器处理文本聊天、RAG 检索、图像理解、OCR、语音合成与识别、网页与 X/Twitter 内容提取等多种输入模态。文本生成可接入 OpenAI/OpenRouter、NVIDIA NIM 或本地 Ollama，RAG 使用 ChromaDB，语音使用 Kokoro 与 faster-whisper/whispercpp，并提供图像/视频生成、记忆与服务器存档、Prometheus 指标等运维能力。
ojmaojma674-bot/sturdy-funicular · VHOTIEX AI is an Android-friendly AI assistant featuring a futuristic 3D holographic interface, black-red theme, AI chat, voice interaction, and specialized agents for coding, research, analysis, planning, and code review.
VHOTIEX AI 是一个面向 Android 平台的 AI 助手实现计划，采用黑红主题与未来感 3D 全息界面，规划了 AI 聊天、语音交互与 TTS，以及编程、研究、分析、规划和代码审查等专用智能体。README 以分阶段实施计划的形式描述 UI、聊天与智能体路由、会话记忆、语音、工具执行、安全恢复和质量保障等模块，属于规划文档而非可直接运行的产品。
微软在 Microsoft Foundry 平台上发布了三款新语音模型：实时转写模型 MAI-Transcribe-2-Streaming，以及两个文本转语音模型 MAI-Voice-2.1 和 MAI-Voice-2.1-Flash。过去语音客服要等人说完话才处理，中间容易卡顿；新转写模型在收到声音后“几百毫秒”内就能给出初步文字猜测，边说边修正，让系统提前判断来电者要什么。目前这些模型已可用，微软称其在准确率榜单上排名第一。不过业内专家提醒，真正的难点在对话中的停顿判断——延迟降低后，如果系统抢话，反而会打断用户。
beatra-ai/ai-voice-cloning-skill · AI voice cloning agent skill for Claude Code, Codex & OpenClaw: create a reusable personal or brand voice from a clean audio sample, name it, and hear it in a short test reading. AI声音克隆 · 专属音色
该项目是一个供 Claude Code、Codex 和 OpenClaw 加载的 Agent 技能（voice-cloning-studio），可基于一段干净的单人音频样本创建可复用的个人或品牌音色，为其命名，并用该音色生成一段短测试朗读以预览效果。克隆与语音合成通过 Beatra 账号完成，安装免费，但每次渲染消耗账号积分；需要 Python 3.10+ 和支持 SKILL.md 的 Agent。