#text-to-speech Repositories
Insgesamt 261 Repositories
Dies ist der Persönlichkeitskern für GLaDOS, die ersten Schritte hin zu einer realen Umsetzung der KI aus der Portal-Serie von Valve.
Dockerisierte, OpenAI-kompatible Schnittstelle für die Kokoro-82M-Text-to-Speech-Synthese mit plattformübergreifender PyTorch-Unterstützung für CPUs sowie AMD- und NVIDIA-GPUs; mehrere Sprecher, Stimmenklonen und -anpassung, Zeitstempel für Untertitel, SSML, WebSockets und optionale Weboberfläche zum Mitlesen
Ein hochqualitatives, schnelles TTS-Stimmenklonierungsmodell, das Geschwindigkeiten von 150× in Echtzeit erreicht。
Ein autonomer, kontextsensitiver KI-Desktopbegleiter. Mit Python entwickelt, bietet er Echtzeit-Bildschirmerkennung, benutzerdefinierte ONNX-Sprachsynthese, die Erfassung des aktiven Fensters und eine dynamische, schwebende Benutzeroberfläche mit reaktiven Gesichtsausdrücken.
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
Eine All-in-One, reine C++-Inferenz-Engine für Audiomodelle, angetrieben von ggml. Unterstützt TTS, STT, VAD, Sprachkonvertierung, Musikgenerierung und mehr mit hochoptimierter Leistung. Keine Python-Abhängigkeit.
Eine Open-Source-Modellfamilie für Langform-Sprachsynthese, Dialogsynthese, Sprachdesign, Soundeffekte und Echtzeit-Streaming-TTS
Ein einfaches, hochwertiges Stimmumwandlungstool, das auf Benutzerfreundlichkeit und Leistung ausgelegt ist.
: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)
SoulX-Podcast ist eine Inferenz-Codebasis des Soul AI-Teams zur Generierung hochauflösender Podcasts aus Text.
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
Digital Avatar Konversationssystem - Linly-Talker. 😄✨ Linly-Talker ist ein intelligentes KI-System, das große Sprachmodelle (LLMs) mit visuellen Modellen kombiniert, um eine neuartige Methode der Mensch-KI-Interaktion zu schaffen. 🤝🤖 Es integriert verschiedene Technologien wie Whisper, Linly, Microsoft Speech Services und das SadTalker Talking Head-Generierungssystem. 🌟🔬
Beispielcode für das Microsoft Cognitive Services Speech SDK
Ein einzelnes Gradio + React WebUI mit Erweiterungen für ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS, Stable Audio, MMS, StyleTTS2, MAGNet, AudioGen, MusicGen, Tortoise, RVC, Vocos, Demucs, SeamlessM4T und Bark!
Der Editor von VOICEVOX, einer kostenlosen Text-to-Speech-Software mittlerer Qualität
Eine Echtzeit-Sprachlaufzeitumgebung, die Agenten im Gespräch, bei der Arbeit und präsent hält. Echtzeit-Sprachlaufzeitumgebung für KI-Agenten
Kyutais Text-to-Speech- und Speech-to-Text-Modelle basierend auf dem Framework für verzögerte Stream-Modellierung.
[AutoArk] GPA (General Purpose Audio) kann ASR, TTS und Sprachkonvertierung mit einem einzigen winzigen Modell durchführen!
Aggregiert RSS- und Webinhalte (Calibre-Rezept), sendet sie an Kindle und enthält einen für E-Ink optimierten Online-Reader.
aeneas ist eine Python/C-Bibliothek und ein Set von Tools, um Audio und Text automagisch zu synchronisieren (aka Forced Alignment)
Videos mit Claude Code erstellen: Skript, KI-Voiceover, Musik, Videoclips und Rendering – mit Open-Source-Modellen für wenige Cent
Python-Bibliothek und CLI-Tool für die Schnittstelle zur Text-to-Speech-API von Google Translate
🚀 Ein-Klick-Bereitstellung (inkl. Offline-Bundles)! Basierend auf ChatTTS, unterstützt Streaming-Ausgabe, Stimmen-Ziehen, Lang-Audio-Generierung und Rollen-basierte Vorlesefunktion. Einfach zu bedienen, keine komplexe Installation erforderlich.
MARY TTS -- ein Open-Source-System für die mehrsprachige Text-to-Speech-Synthese, geschrieben in purem Java
AllTalk basiert auf der Coqui TTS-Engine, ähnlich der Coqui_tts-Erweiterung für die Textgenerierungs-WebUI. Es unterstützt jedoch eine Vielzahl fortschrittlicher Funktionen wie eine Einstellungsseite, Low-VRAM-Unterstützung, DeepSpeed, Erzähler, Modell-Finetuning, benutzerdefinierte Modelle und Wartung von WAV-Dateien. Es kann auch über JSON-Aufrufe mit Drittanbieter-Software verwendet werden.
HiFi-GAN: Generative Adversarial Networks für effiziente und hochgradig originalgetreue Sprachsynthese
Open-Source-Studio für lokale KI-Audio- und Musikproduktion unter macOS und Windows. Sprachsynthese, Stimmenklonen, Songs mit Text und mehrspurige Partituren – 100 % offline, keine API-Gebühren.
PyTorch-Implementierung von VALL-E (Zero-Shot Text-To-Speech), Reproduzierte Demo https://lifeiteng.github.io/valle/index.html
Portables lokales KI-Studio für Windows, Linux und macOS. Benutzeroberfläche ohne Einrichtung für Bildgenerierung, GGUF-LLMs, Text-zu-Sprache und Sprache-zu-Text
Kostenloser, hochwertiger Text-to-Speech API-Endpunkt als Ersatz für OpenAI, Azure oder ElevenLabs