cosin2077/easyVoice
开源文本转语音工具，支持超长文本，多角色配音
What it solves
EasyVoice 解决的是把大段文字（比如整本小说）快速变成语音和字幕的问题。传统文本转语音工具往往有字数限制、需要付费、或操作复杂。这个项目完全免费，没有时长和字数限制，支持 10 万字以上的长文本，还能自动生成字幕、搭配多个角色声音，让用户轻松制作有声书或配音。
How it works
它提供了一个网页界面和一组 API 接口。用户粘贴文本或上传内容后，可以选择声音、调整语速、音量和音调，也可以让 AI 根据内容自动推荐合适的配音参数（需要配置 OpenAI 兼容的接口）。系统会调用 Microsoft Azure TTS（目前主要是 Edge-TTS）进行语音合成，支持流式传输，所以很长的文本也能立刻开始播放。生成的音频和 SRT 字幕文件会保存在指定目录，用户可以通过命令行或网页下载。
Who it's for
- 想将小说、文章变成有声书来听的读者
- 需要为视频或创作配音的自媒体作者
- 想制作个性化音频或练习语言的学习者
- 希望部署自己 TTS 服务的开发者
Highlights
- 完全免费，无时长、无字数限制，支持超长文本
- 流式传输，任何长度的文本都能瞬间开始试听
- AI 智能推荐配音，自动分配角色和语气（需配置大模型 API）
- 支持多角色配音，每个角色可以指定不同的声音、语速、音调
- 自动生成 SRT 字幕，时间轴同步，支持自定义静音标记
- 数字读法智能处理：金额、日期按常规朗读，编号、手机号等逐位读出
- 支持 Docker 一键部署，也可本地 Node.js 运行
Related
- Project
Nezreka/SoulSyncA self-hosted media manager that integrates searching, downloading, tagging, and organizing for music, movies, and TV, replacing multiple separate tools with a unified pipeline.
- Project
TEN-framework/ten-vadA high-performance, real-time voice activity detection system for conversational AI agents that provides lower latency and higher precision than industry standards like Silero VAD.
- Project
tphakala/birdnet-goBirdNET‑Go is a self‑hosted, real‑time sound‑analysis service that runs multiple AI models (BirdNET, Google Perch, BattyBirdNET, BirdNET Geomodel) to identify birds, insects, mammals and bats from live audio streams. It offers a web UI with live spectrograms, a consensus‑based detection engine, extensive alert integrations, and can run on a Raspberry Pi or in Docker, all with local‑only inference.
- Project
anomalyco/hexHEX is a local-first voice dictation app for Mac, Windows, and Linux that transcribes speech on your device and pastes the result into the app you're using. It runs entirely on-device by default, with optional cloud features for rewriting and voice commands.