#speech-synthesis Repositories
Entdecke 100 aktive Open-Source-GitHub-Repositories, die mit #speech-synthesis getaggt sind und insgesamt 559,718 Sterne gesammelt haben (durchschnittlich 5,597 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist microsoft/VibeVoice mit 57,449 Sternen.
Insgesamt 101 Repositories
🐸💬 - ein Deep-Learning-Toolkit für Text-to-Speech, das in Forschung und Produktion erprobt wurde
VoxCPM2: Tokenizer-freies TTS für mehrsprachige Sprachgenerierung, kreatives Stimmendesign und lebensechte Klonierung
Ein skalierbarer generativer KI-Framework, das für Forscher und Entwickler entwickelt wurde, die an Large Language Models, Multimodal und Speech AI (Automatic Speech Recognition und Text-to-Speech) arbeiten
State-of-the-Art Deep-Learning-Skripte, nach Modellen organisiert - einfach zu trainieren und bereitzustellen mit reproduzierbarer Genauigkeit und Leistung auf Unternehmensklasse-Infrastruktur.
Blitzschnelle, geräteinterne, mehrsprachige TTS — nativ über ONNX lauffähig.
Gradio WebUI für Kreative und Entwickler, mit wichtiger TTS (Edge-TTS, kokoro) und Zero-Shot Voice Cloning (E2 & F5-TTS, CosyVoice), mit Whisper-Audioverarbeitung, YouTube-Download, Demucs-Stimmisolation und mehrsprachiger Übersetzung.
Einfaches Sprach-Toolkit mit Self-Supervised-Learning-Modell, SOTA/Streaming-ASR mit Interpunktion, Streaming-TTS mit Text-Frontend, Sprecher-Verifizierungssystem, End-to-End-Sprachübersetzung und Keyword-Spotting. Gewann den NAACL2022 Best Demo Award.
Nutzen Sie den Online-Text-to-Speech-Dienst von Microsoft Edge mit Python, OHNE Microsoft Edge zu benötigen
Amphion (/æmˈfaɪən/) ist ein Toolkit für die Generierung von Audio, Musik und Sprache. Sein Zweck ist es, reproduzierbare Forschung zu unterstützen und Nachwuchswissenschaftler und -ingenieure beim Einstieg in die Forschung und Entwicklung im Bereich der Audio-, Musik- und Spracherzeugung zu unterstützen.
so-vits-svc-Fork mit Echtzeitunterstützung, verbesserter Benutzeroberfläche und mehr Funktionen.
Eine Text-to-Speech (TTS), Speech-to-Text (STT) und Speech-to-Speech (STS) Bibliothek, die auf Apples MLX-Framework basiert und eine effiziente Sprachanalyse auf Apple Silicon ermöglicht.
Zonos-v0.1 ist ein führendes Open-Weight-Text-to-Speech-Modell, das auf über 200.000 Stunden abwechslungsreicher mehrsprachiger Sprache trainiert wurde und eine Ausdrucksstärke und Qualität liefert, die mit den besten TTS-Anbietern mithalten kann oder diese sogar übertrifft.
eSpeak NG ist ein Open-Source-Sprachsynthesizer, der mehr als hundert Sprachen und Akzente unterstützt.
Hörbücher aus EPUBs, PDFs und Texten mit synchronisierten Untertiteln generieren.
Silero-Modelle: Vortrainierte Text-zu-Sprache-Modelle, deren Nutzung erstaunlich einfach ist
StyleTTS 2: Auf dem Weg zu sprachähnlicher Text-zu-Sprache durch Stil-Diffusion und gegnerisches Training mit großen Sprachmodellen für Sprache
DiffSinger: Gesangssynthese über einen flachen Diffusionsmechanismus (SVS & TTS); AAAI 2022; Offizieller Code
Ein mehrsprachiges TTS-Modell mit 100 Millionen Parametern für Echtzeit-Inferenz auf der CPU, Stimmenklonen und Stereoerzeugung mit 48 kHz
Ein Open-Source-Text-to-Speech-System, das durch Invertieren von Whisper erstellt wurde.
Eine Open-Source-Modellfamilie für Langform-Sprachsynthese, Dialogsynthese, Sprachdesign, Soundeffekte und Echtzeit-Streaming-TTS
:stuck_out_tongue_closed_eyes: TensorFlowTTS: Echtzeit-Sprachsynthese auf dem neuesten Stand der Technik für Tensorflow 2 (unterstützt Englisch, Französisch, Koreanisch, Chinesisch, Deutsch und leicht anpassbar für andere Sprachen)
Vietnamesische TTS mit sofortigem Voice-Cloning • Auf dem Gerät • Echtzeit-Inferenz auf der CPU • 48-kHz-Audioqualität • Vietnamesische Text-zu-Sprache-Synthese • Vietnamesische Sprachsynthese • Vietnamesische TTS
Intelligentes KI-Tool für mehrsprachige Video-Synchronisation/Übersetzung - Linly-Dubbing — „KI-gestützt, grenzenlose Sprachen“
Echtzeit‑AI‑Assistent für Meta Ray‑Ban Smart‑Gläser – Sprach‑ + Bild‑ + agentische Aktionen über Gemini Live und OpenClaw
MARY TTS -- ein Open-Source-System für die mehrsprachige Text-to-Speech-Synthese, geschrieben in purem Java
HiFi-GAN: Generative Adversarial Networks für effiziente und hochgradig originalgetreue Sprachsynthese
Speech Note Linux App. Notizen machen, lesen und übersetzen mit Offline-Spracherkennung (Speech to Text), Sprachausgabe (Text to Speech) und maschineller Übersetzung.
Ein auf Flow Matching basierendes Text-to-Speech-Modell mit emoji-gesteuerter Stilsteuerung
Unoffizieller Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) mit PyTorch
Benutzerdefinierte Knoten, die die Fähigkeiten von Comfyui erweitern
Häufig gestellte Fragen
Welches ist das beliebteste #speech-synthesis-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#speech-synthesis-Projekt auf GitHub ist microsoft/VibeVoice mit 57,449 Sternen. Open-Source Frontier Voice AI
Welche Programmiersprachen werden in #speech-synthesis-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #speech-synthesis-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, C# die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #speech-synthesis-Repositories berechnet?
Wir verfolgen 100 aktive Open-Source-Repositories, die mit #speech-synthesis getaggt sind (500+ Sterne), mit insgesamt 559,718 Sternen und durchschnittlich 5,597 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.