VoiSpark

NalityAI

NalityAI は Windows 向けの無料のローカル音声AIアプリで、9つの切り替え可能な人格と会話できます。Python と Groq API に基づいて構築されており、登録不要で、音声で人格を切り替えられます。公開情報は限られており、詳細は公式サイトをご確認ください。

Cosy Voice

CosyVoiceは、成熟したオープンソースのテキスト読み上げ（TTS）ソリューションで、多言語対応、言語横断、感情制御、ゼロサンプル音声クローニング、ストリーミング低遅延合成をサポートしています。プロジェクトはPythonを中核言語とし、クラウドまたはオンプレミスサーバーへのデプロイに適しており、Docker化された本番環境のデプロイもサポートしています。

NeuTTS Air

NeuTTS Airは、軽量でオープンソースの音声クローン及び音声合成モデルです。その中核的な能力は、わずか数秒間のユーザー音声サンプルから、正確に音色を学習し模倣することができ、任意に指定されたテキストの音声を生成することにあります。このモデルは「小さくとも優れている」という特性で、最先端のAI音声技術を一般個人の端末において普及・応用することを目指しています。

IndexTTS

IndexTTSは、テキスト読み上げ（Text-To-Speech, TTS）システムであり、ゼロショット音声合成、感情制御、話者クローニング、話速/発話時間の制御などをサポートしています。

Voicebox：ローカルAI音声スタジオ

Voiceboxは、無料でオープンソースのローカルAI音声スタジオです。音声クローニング、テキスト読み上げ、音声テキスト変換を1つのデスクトップアプリに統合しています。完全にローカルで動作するため、プライバシーとセキュリティが保護され、グローバルなディクテーション用ホットキーとMCPプロキシ統合も提供します。プロジェクトはMITライセンスで、主にTypeScriptで開発されています。