#text-to-speech Repositories
Insgesamt 261 Repositories
Benutzerdefinierter Knoten für hochwertige Text-zu-Sprache-Konvertierung in ComfyUI unter Verwendung des IndexTTS-Modells. Unterstützt chinesischen und englischen Text und kann Sprachmerkmale basierend auf Referenzaudio replizieren.
Erweiterbare und alternative Kommunikationssysteme (AAC) mit Text-to-Speech für den Browser
Implementierung von KI-Chat-bezogenen Funktionen mit Unity. Diese Bibliothek enthält derzeit Code-Implementierungen für API-Aufrufe an große Sprachmodelle wie ChatGPT und ChatGLM sowie die Implementierung von Sprachdiensten von Microsoft Azure und Baidu AI. Die Sprachdienste verwenden Web-APIs und unterstützen Plattformen wie Windows/WebGL/Android.
Ziel des Projekts ist es, die Nutzung verschiedener Sprachsynthese-Engines zu vereinheitlichen, mehrere Adapter für Sprachsynthese-Engines zu unterstützen und die direkte Verwendung als Modul oder den Start eines Backend-Dienstes zu ermöglichen.
AlwaysReddy ist ein LLM-Sprachassistent, der immer nur eine Tastenkombination entfernt ist.
Rapida ist eine Open-Source, End‑zu‑End‑Plattform für die Orchestrierung von Sprach‑KI, die es ermöglicht, Echtzeit‑Sprachagenten mit Audio‑Streaming, STT, TTS, VAD, Multi‑Channel‑Integration, Agenten‑Status‑Management und Beobachtbarkeit zu bauen。
Claudemy: eine Open-Source-Alternative zu Udemy und Coursera. Gib Claude ein Thema, und es recherchiert im Web und erstellt einen Kurs mit 2-minütigen Audiolektionen und Quellenangaben. Ein kostenloser Skill für Claude Code.
📚 Eine anpassbare Wörterbucherweiterung, die Doppelklick-Nachschlagen in über 20 Sprachen, mehr als 1000 Wörterbücher, Text-to-Speech, Übersetzung und Anki-Integration unterstützt.
Vollautomatischer Videomacher, der Motion Graphics und Text-to-Speech-Synthese verwendet, um Newsletter in tägliche YouTube-Videos zu verwandeln.
Lokales, OpenAI-kompatibles Text‑zu‑Speech‑API (TTS) mit Chatterbox, das es Benutzern ermöglicht, Sprachklonierte Sprache überall dort zu erzeugen, wo die OpenAI‑API verwendet wird (z. B. Open WebUI, AnythingLLM, etc.).
Offline-Spracherkennung mit OpenAI Whisper und TensorFlow Lite für Android
OpenAmika: Amika, MekaHimes KI-Begleiterin, ist Open Source. Live2D-Avatar, Echtzeit-Sprachausgabe, Langzeitgedächtnis und OpenRouter oder Ollama als Gehirn.
✨✨[NeurIPS 2025] VITA-Audio: Schnelle verschränkte kreuzmodale Token-Generierung für ein effizientes großes Sprach-Sprachmodell
Automatische Aktualisierung von Text-to-Speech (TTS)-Papieren täglich mit Github Actions (Aktualisierung alle 12 Stunden)
KI auf dem Gerät für Flutter – Gemma und andere LLMs, multimodale Funktionen, Funktionsaufrufe, Embeddings, RAG und Sprache auf Android, iOS, Web, macOS, Windows und Linux.
Implementierung von Voicebox, einem neuen SOTA-Text-to-Speech-Netzwerk von MetaAI, in Pytorch
Graphem-zu-Phonem-Umwandlung des Persischen (Farsi) in das Internationale Phonetische Alphabet (IPA) mithilfe eines feinabgestimmten ByT5-Modells.
LLaSA: Skalierung von Rechenleistung während des Trainings und der Inferenz für LLaMA-basierte Sprachsynthese
Verwandeln Sie PDFs und EPUBs in Hörbücher; Untertitel oder Videos in synchronisierte Videos (einschließlich Übersetzung) und mehr. Kostenlos. Pandrator verwendet lokale Modelle, einschließlich Voice-Cloning (sofortig, RVC-optimiert, XTTS-Feinabstimmung) und LLM-Verarbeitung. Es strebt danach, eine benutzerfreundliche App mit GUI, Installationsprogramm und All-in-One-Paketen zu sein.
Kokoro Web: Kostenlose KI-Text-to-Speech, online oder selbst gehostet, OpenAI-kompatibel!
ComfyUI Custom Node für VibeVoice TTS. Expressive, langformatige, gesprächige Audioausgabe mit mehreren Sprechern
Blitzschnelle, kostenlose und lokal ausgerichtete Spracheingabe für macOS mit Transkription auf dem Gerät
Führen Sie Qwen3-TTS Text-to-Speech lokal auf dem Mac (M1/M2/M3/M4) aus. Stimmenklonen, Stimmendesign, benutzerdefinierte Stimmen. 100 % offline mit MLX.
Ein Open-Source-Server zum Mitlesen von Dokumenten mit hochwertigen Text-to-Speech-Optionen, synchroner Hervorhebung und Hörbuchexport für EPUB, PDF, DOCX, TXT und MD.
🎭 KI-Avatar-/Digital-Human-Plattform – Foto hochladen, Stimme klonen und in Echtzeit mit jedem Gesicht per lippensynchronem Video sprechen. Open Source und selbst gehostet. Claude · Whisper · Chatterbox · MuseTalk.
⚡ Unglaublich schneller KI-Sprachassistent mit Antwortzeiten von <500 ms
Modifizierte Version von Chatterbox, die Textdateien als Eingabe akzeptiert und keine Zeichenbeschränkungen hat. Ich benutze es, um Hörbücher zu erstellen, besonders für meine Kinder.
OmniVoice TTS-Knoten für ComfyUI - Zero-Shot mehrsprachige Text-zu-Sprache mit Sprachklonen, Sprachdesign und Mehrsprecher-Dialog
TypeScript-KI-Plugin für Payload CMS: Text-, Bild- und Sprachgenerierung mit erweiterbaren Anbietern, feldbasierten Prompts, Zugriffskontrolle und Rich-Text-Integration.
🔥🔥🔥 Eine kuratierte Liste von Arbeiten zur multimodalen Generierung auf Basis von LLMs (Bild, Video, 3D und Audio).