#text-to-speech Repositories
Insgesamt 261 Repositories
Ein praktisches Labor zum Erstellen, Testen und Evaluieren von Apps mit dem Foundation Models Framework von Apple.
Der Kern der kostenlosen Text-to-Speech-Software mittlerer Qualität, VOICEVOX
Eine modulare Sprachassistenten-Anwendung zum Experimentieren mit hochmodernen Transkriptions-, Antwortgenerierungs- und Text-to-Speech-Modellen. Unterstützt OpenAI-, Groq-, Elevenlabs-, CartesiaAI- und Deepgram-APIs sowie lokale Modelle über Ollama. Ideal für Forschung und Entwicklung im Bereich Sprachtechnologie.
KI-gestützter Multi-Voice-Hörbuch-Generator — LLM-Skript-Anmerkung, Voice-Cloning, Voice-Design, LoRA-Training, zeilenweiser Stil-Steuerung und Export nach MP3, kapitelweisem M4B oder Audacity-Multi-Track. Basierend auf Qwen3-TTS.
Open-Source-Sprach-KI-SDK. Die Vapi/Retell-Alternative für Entwickler, die den Stack besitzen möchten. Geben Sie Ihrem KI-Agenten in 4 Zeilen eine Telefonnummer — Python und TypeScript, MIT-lizenziert, Twilio, Telnyx und Plivo.
KI-Videoeditor für Agenten. ChatCut-Plugin und MCP-Server für Codex, ChatGPT, Claude Code, Cursor, Grok, Gemini CLI, WorkBuddy, Doubao Work und Qwen Work: Bearbeite dein eigenes Videomaterial im Chat, füge Bildunterschriften und Untertitel hinzu, entferne Pausen und Füllwörter, erstelle Motion Graphics und exportiere eine bearbeitbare Timeline.
Ermöglichen Sie beliebigen SAPI 5-kompatiblen Anwendungen den Zugriff auf Azure Natural TTS-Stimmen.
Ein leistungsstarkes, LLM-basiertes Audio-Bearbeitungsmodell mit 3 Milliarden Parametern, das auf Reinforcement Learning basiert, zeichnet sich durch die Bearbeitung von Emotionen, Sprachstil und Paralinguistik aus und bietet eine robuste Zero-Shot-Text-to-Speech-Funktion.
Diese Suite von Tools ermöglicht es Benutzern, direkt aus ihrem Terminal mit AI-Diensten zu interagieren.
Open-Source-Videoeditor mit lokalem Fokus, bei dem Ersteller und KI-Agenten dieselbe echte Timeline bearbeiten.
Open-Source-Sprachtool (Apache 2.0) für Claude Code und Codex unter macOS, das den Fortschritt deines Coding-Agenten vorliest. Die Sprachausgabe läuft lokal mit Kokoro und benötigt kein Konto. Alternativ kannst du deinen eigenen ElevenLabs- oder Speechify-Schlüssel verwenden. Lass dir eine kurze Zusammenfassung vorlesen, wenn dein Agent fertig ist, fehlschlägt oder eine Genehmigung benötigt.
Ein kostenloser, quelloffener, einfacher, sauberer und werbefreier Roman-Reader
Ein Buch, das von xiaolai mit Hilfe von ChatGPT und dessen TTS erstellt wurde
Vonage REST API-Client für PHP. API-Unterstützung für SMS, Voice, Text-to-Speech, Numbers, Verify (2FA) und mehr.
Ein leichtgewichtiger, offline-fähiger Android Text-to-Speech (TTS)-Motor, der nahtloses systemweites Voice-Cloning und hochauflösende Textwiedergabe ermöglicht. / Ein leichtgewichtiger Text-to-Speech (TTS)-Motor, der lokal auf Android läuft, unterstützt offline Sprecher-Extraktion, nullschwelliges Voice-Cloning und doppelte Systemweite Global-Lesefunktion.
NISQA - Nicht-intrusives Assessment der Sprachqualität und TTS-Natürlichkeit
Automatischer Video-Generator, der bei Angabe eines Themas automatisch erklärende Videos erstellt. Der Benutzer gibt einen Thema-Text ein, das System ruft ein großes Sprachmodell auf, um eine Story oder einen erklärenden Text zu generieren, ruft dann weiter eine Sprachsyntheseschnittstelle auf, um die erklärende Stimme zu erzeugen, ruft eine Text-zu-Bild-Schnittstelle auf, um Begleitbilder zu generieren, die zum Textinhalt passen, und fusioniert schließlich die Stimme und die Begleitbilder, um ein erklärendes Video zu erstellen.
DiffWave ist ein schneller, hochwertiger neuronaler Vocoder und Wellenformsynthesizer.
Confucius4-TTS: Eine mehrsprachige und sprachübergreifende Zero-Shot-TTS-Engine
sanoTTS (सानो bedeutet auf Nepalesisch „klein“): ein neuronales Text-to-Speech-System mit 294.000 bis 2,27 Millionen Parametern, das auf einem 3-Dollar-Chip, im Browser oder in Python läuft und Streaming mit geringer Latenz bietet.
Ein OpenAI API-kompatibler Text-to-Speech-Server, der Coqui AIs xtts_v2 und/oder Piper TTS als Backend verwendet.
Azure OpenAI-Code-Ressourcen zur Nutzung der Echtzeitfunktionen von gpt-4o.
Terminal E-Book-Reader mit Text-to-Speech in Hörbuchqualität — Unterstützt EPUB, PDF, DOCX, HTML, RTF, TXT und MD.
Ein modulares Swift SDK für Audioverarbeitung mit MLX auf Apple Silicon
Sprache zu Text zu Sprache. Song wird gerade abgespielt. Sendet Text als OSC-Nachrichten an VRChat, um ihn auf dem Avatar anzuzeigen. (STTTS) (Sprache zu TTS) (VRC STT-System) (VTuber TTS)
🎤 Lobe TTS - Eine hochwertige und zuverlässige TTS/STT-Bibliothek für Server und Browser
Ein englisches Text-to-Speech-Modell mit 4,5 Millionen Parametern und zwei Stimmen, von Grund auf trainiert
ESP32-basiertes Gerät, hauptsächlich verwendet für Voice-Chats mit großen Sprachmodellen
Lokaler Sprach-Chatbot für ansprechende Gespräche, angetrieben von Ollama, Hugging Face Transformers und Coqui TTS Toolkit
Vui Nano – ein kleines, kontextbewusstes Text-to-Speech-Modell, das mit echten Gesprächen trainiert wurde. 219 Mio. aktive Parameter (305 Mio. insgesamt), Apache 2.0, Sprachklonung und Streaming; läuft auf der CPU (abhängigkeitsfreier C-Build). Enthält einen vollständigen Echtzeit-Sprachassistenten: WebRTC, ASR, lokales LLM und Kompatibilität mit der OpenAI Realtime API.