#text-to-speech Repositories
Entdecke 260 aktive Open-Source-GitHub-Repositories, die mit #text-to-speech getaggt sind und insgesamt 1,515,362 Sterne gesammelt haben (durchschnittlich 5,828 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist harry0703/MoneyPrinterTurbo mit 144,921 Sternen.
Insgesamt 261 Repositories
Erstellen Sie mit einem automatisierten KI-Workflow HD-Kurzvideos zu einem Thema oder einem Schlüsselwort.
VoiceStudio ist die quelloffene, vollständig lokal ausführbare Alternative zu ElevenLabs – mit Sprachklonen, Sprachdesign, Videodubbing, Diktierfunktion, Transkription und Hörbucherstellung in 646 Sprachen.
Das weltweit erste Open-Source, agentenbasierte Videoproduktionssystem. 12 Produktionspipelines, über 100 Werkzeuge, über 700 Agentenfähigkeiten und produktionswissensdateien. Verwandeln Sie Ihren KI-Codierungsassistenten in ein vollwertiges Videoproduktionsstudio.
Lokale Benutzeroberfläche zum Ausführen und Trainieren von LLMs und Diffusionsmodellen. Unterstützt GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX und mehr.
1 Minute an Sprachdaten kann auch verwendet werden, um ein gutes TTS-Modell zu trainieren! (wenig Schuss-Stimmenklonen)
🐸💬 - 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
🚀Klonen Sie eine Stimme in 5 Sekunden, um beliebige Sprache in Echtzeit zu generieren
Sofortiges Klonen von Stimmen durch MIT und MyShell. Fundamentales Audiomodell.
Ein industrielles, steuerbares und effizientes Zero-Shot-Text-to-Speech-System
Mehrsprachiges großes Sprachgenerierungsmodell, das Full-Stack-Fähigkeiten für Inferenz, Training und Bereitstellung bietet.
Übersetzen Sie das Video von einer Sprache in eine andere und betten Sie Synchronisation & Untertitel ein.
Ein Werkzeugkasten mit per Code erstellten Filmstilen für Claude Code: 99 sofort einsatzbereite Stile und die Möglichkeit, eigene zu gestalten. Jeder Stil umfasst einen Stil-Prompt und einen Demo-Film, der vollständig von Claude Opus 5.5 per Code erstellt wurde – ganz ohne Videomodell. Von Lemomo.
Open-Source-TTS-Modell auf dem neuesten Stand der Technik, das auf einer CPU läuft 😻
Spracherkennung, Sprachsynthese, Sprecherdiarisierung, Sprachverbesserung, Quellentrennung und VAD unter Verwendung der nächsten Generation von Kaldi mit onnxruntime ohne Internetverbindung. Unterstützung für eingebettete Systeme, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, RK NPU, Axera NPU, Ascend NPU, x86_64-Server, Websocket-Server/-Client, Unterstützung für 12 Programmiersprachen
Offizieller Code für „F5-TTS: Ein Märchenerzähler, der flüssige und getreue Sprache mit Flow Matching fälscht“
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.
Nutzen Sie den Online-Text-to-Speech-Dienst von Microsoft Edge mit Python, OHNE Microsoft Edge zu benötigen
🏠 Integrieren Sie XiaoAi Speaker mit ChatGPT und Doubao und verwandeln Sie ihn in Ihren exklusiven Sprachassistenten.
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.
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.
ODS V3 Vorabversion: Öffentliche Tests und Verbesserungen vor dem offiziellen Start von V3. Verwandeln Sie Ihren PC, Mac oder Linux-Rechner in einen privaten KI-Server.
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.
Hochwertige mehrsprachige Text-to-Speech-Bibliothek von MyShell.ai. Unterstützt Englisch, Spanisch, Französisch, Chinesisch, Japanisch und Koreanisch.
eSpeak NG ist ein Open-Source-Sprachsynthesizer, der mehr als hundert Sprachen und Akzente unterstützt.
Dieses Repository enthält eine handkuratierte Sammlung von Ressourcen für Prompt Engineering mit Schwerpunkt auf Generative Pre-trained Transformer (GPT), ChatGPT, PaLM usw.
KI erzeugt auf Knopfdruck Massen von Kurzvideos, schneidet automatisch Kurzvideos zusammen, veröffentlicht Videos automatisch auf Douyin, Kuaishou, Xiaohongshu, Video Channel, Geldverdienen war noch nie so einfach! Unterstützt lokale Sprachmodelle chatTTS, faster-whisper, GPTSoVITS, unterstützt Cloud-Sprachen: Azure, Alibaba Cloud, Tencent Cloud. Unterstützt Stable Diffusion, ComfyUI für direkte KI-Bilderzeugung. Generieren Sie mit KI LLM mit einem Klick Kurzvideos, drucken Sie gemeinsam Geld! Unterstützt: chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud.
Hörbücher aus EPUBs, PDFs und Texten mit synchronisierten Untertiteln generieren.
Open-Source-Sprach-KI-Plattform. Selbstgehostete Alternative zu Vapi und Retell. On-Premise, BYOK für Speech-to-Speech oder LLM/STT/TTS, mit visuellem Workflow-Builder, MCP-nativ und Telefonie-Unterstützung.
Silero-Modelle: Vortrainierte Text-zu-Sprache-Modelle, deren Nutzung erstaunlich einfach ist
🎙️🤖Erstellen, Anpassen und Unterhalten Sie sich in Echtzeit mit Ihrem KI-Charakter/Begleiter (Alles in einer Codebasis!). Führen Sie nahtlose natürliche Gespräche mit KI überall (mobil, Web und Terminal) unter Verwendung von LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
StyleTTS 2: Auf dem Weg zu sprachähnlicher Text-zu-Sprache durch Stil-Diffusion und gegnerisches Training mit großen Sprachmodellen für Sprache
Open-Source-KI-Videolokalisierung und -Synchronisation für YouTube/Bilibili: Spracherkennung, Untertitelübersetzung, Stimmenklonen, Audiomischung und Rendering. Open-Source-KI-Tool für Videoübersetzung und -synchronisation.
Häufig gestellte Fragen
Welches ist das beliebteste #text-to-speech-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#text-to-speech-Projekt auf GitHub ist harry0703/MoneyPrinterTurbo mit 144,921 Sternen. Erstellen Sie mit einem automatisierten KI-Workflow HD-Kurzvideos zu einem Thema oder einem Schlüsselwort.
Welche Programmiersprachen werden in #text-to-speech-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #text-to-speech-Projekten auf GitHub sind Python, TypeScript, JavaScript, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #text-to-speech-Repositories berechnet?
Wir verfolgen 260 aktive Open-Source-Repositories, die mit #text-to-speech getaggt sind (500+ Sterne), mit insgesamt 1,515,362 Sternen und durchschnittlich 5,828 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.