#tts Repositories
Insgesamt 222 Repositories
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)
Die Docker‑Version von OpenClaw, die chinesische IM‑Plattformen integriert, ist vorinstalliert und mit Plug‑Ins für die wichtigsten chinesischen IM‑Software wie Feishu, DingTalk, QQ‑Bots und WeChat for Business konfiguriert, sodass Sie schnell ein AI‑Bot‑Gateway für mehrere chinesische IM‑Plattformen bereitstellen können.
Streamer-Sales Verkaufsmeister – Verkaufender Streamer LLM-großes Modell 🛒🎁, ein großes Verkaufender Streamer LLM-Modell, das auf der Grundlage gegebener Produktmerkmale aus der Perspektive der Anregung der Kaufbereitschaft der Benutzer Produktkommentare abgeben kann. 🚀⭐ Enthält detaillierte Daten-Generierungsprozesse ❗ 📦 Enthält außerdem integriertes LMDeploy für beschleunigte Inferenz 🚀, RAG Retrieval-Augmented Generation 📚, TTS Text-to-Speech 🔊, Avatar-Generierung 🦸, Agentenverwendung für Echtzeit-Informationsabfragen im Netzwerk 🌐, ASR Speech-to-Text 🎙️, Vue-Ökosystem-Aufbau-Frontend 🍍, FastAPI-Aufbau-Backend 🗝️, Docker-compose-Paketierung und -Bereitstellung 🐋
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
Thema hinein, vertontes Erklärvideo heraus. Ein Claude-Code-/Codex-Skill, der jedes Thema in ein Motion-Graphics-Erklärvideo auf schwarzer Leinwand verwandelt – mit TTS-Voiceover, Untertiteln und einer Kapitelfortschrittsleiste. Auf Chinesisch oder Englisch; jedes Einzelbild wird mit Remotion per Code gezeichnet.
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!
[AutoArk] GPA (General Purpose Audio) kann ASR, TTS und Sprachkonvertierung mit einem einzigen winzigen Modell durchführen!
Verwandeln Sie ein Thema in ein fertiges Vox-artiges Papiercollage-Erklär-/Werbevideo — automatisiert von Anfang bis Ende auf Atlas Cloud + ffmpeg. Eine Agentenfertigkeit.
KI-gestützter plattformübergreifender E-Book-Reader mit semantischer Suche, RAG-Chat, lokalem Vektorspeicher, Notizen, TTS und WebDAV-Synchronisation.
openctp bietet CTPAPI-kompatible Schnittstellen für verschiedene Kanäle wie CTP-Aktienoptionen, CTP von Zhongtai Securities, XTP von Huaxin Securities, TORA von Dongfang Futures, OST von Dongfang Securities, EMT von Dongfang Wealth Securities, TWS von Interactive Brokers, TAP von EBest und QDP von Quant Investment. CTP-Programme können nahtlos an verschiedene Börsenanbindungen angebunden werden. openctp bietet außerdem eine Simulationsumgebung, die auf dem TTS-Handelssystem basiert und ebenfalls CTPAPI-kompatible Schnittstellen bereitstellt. Sie unterstützt nicht nur die Simulation des Handels mit allen inländischen Futures- und Optionssorten, sondern auch mit A-Aktien, Fonds, Anleihen und Aktienoptionen. Sie kann Simnow ersetzen und bietet Entwicklern von CTP-Quantitätstransaktionen eine 7x24 verfügbare Simulationsumgebung.
aeneas ist eine Python/C-Bibliothek und ein Set von Tools, um Audio und Text automagisch zu synchronisieren (aka Forced Alignment)
FLUX, Stable Diffusion, SDXL, SD3, LoRA, Feinabstimmung, DreamBooth, Training, Automatic1111, Forge WebUI, SwarmUI, DeepFake, TTS, Animation, Text zu Video, Tutorials, Anleitungen, Vorträge, Kurse, ComfyUI, Google Colab, RunPod, Kaggle, Notizbücher, ControlNet, TTS, Stimmklonen, KI, KI-Nachrichten, ML, ML-Nachrichten, Nachrichten, Tech, Tech-Nachrichten, Kohya, Midjourney, RunPod
Python-Bibliothek und CLI-Tool für die Schnittstelle zur Text-to-Speech-API von Google Translate
MARY TTS -- ein Open-Source-System für die mehrsprachige Text-to-Speech-Synthese, geschrieben in purem Java
Open-Source-Text-to-Speech-Tool, unterstützt extrem lange Texte, Mehrfachrollen-Synchronisation
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
Echtzeit-Sprach-KI mit über 100 Modellen auf Arduino ESP32, mit sicheren WebSockets und Edge-Funktionen für KI-Spielzeuge, Schreibtischbegleiter und Geräte
Ein CLI-Text-to-Speech-Tool, das das Kokoro-Modell verwendet und mehrere Sprachen, Stimmen (mit Mischung) sowie verschiedene Eingabeformate wie EPUB-Bücher und PDF-Dokumente unterstützt.
Steuerung von Yandex.Station und anderen Smart-Home-Geräten mit Alice aus Home Assistant
Kostenloser, hochwertiger Text-to-Speech API-Endpunkt als Ersatz für OpenAI, Azure oder ElevenLabs
🚀 KI vollständig automatisierter Video-Generierungsmitarbeiter | Ihr erster AIGC-Kollege. Idee chatten. Film erhalten. 🦞
Workflow-zu-APP, Bildschirmfreigabe & schwebendes Video, GPT & 3D, Spracherkennung & TTS
Bailing ist ein Sprachgesprächsroboter ähnlich wie GPT-4o, implementiert über ASR+LLM+TTS, integriert mit exzellenten großen Modellen wie DeepSeek R1, angeschlossen an openClaw, ein echter persönlicher Sprachassistent mit Latenz bis zu 800 ms, lauffähig auf Low-Spec-Geräten wie Mac, unterstützt Unterbrechung
Übersetzt den Text eines Videos automatisch anhand einer Untertiteldatei und verwendet dann KI-Sprachdienste, um eine neue synchronisierte und übersetzte Audiospur zu erstellen, bei der die Sprache mit den Zeitangaben der Untertitel synchronisiert wird.
Speech Note Linux App. Notizen machen, lesen und übersetzen mit Offline-Spracherkennung (Speech to Text), Sprachausgabe (Text to Speech) und maschineller Übersetzung.
NobodyWho ist eine Inferenz-Engine, mit der Sie LLMs lokal und effizient auf jedem Gerät ausführen können.
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
Amica ist eine Open-Source-Schnittstelle zur interaktiven Kommunikation mit 3D-Charakteren mit Sprachsynthese und Spracherkennung.
Eine umfassende ComfyUI-Integration für Microsofts VibeVoice Text-to-Speech-Modell, die hochwertige Einzel- und Mehrsprecher-Stimsynthese direkt in Ihren ComfyUI-Workflows ermöglicht.
Hosten Sie das leistungsstarke Chatterbox TTS-Modell selbst. Dieser Server bietet eine benutzerfreundliche Weboberfläche, flexible API-Endpunkte (inkl. OpenAI-kompatibel), vordefinierte Stimmen, Stimmklonen und die Verarbeitung großer Textmengen im Hörbuchformat. Läuft beschleunigt auf NVIDIA (CUDA), AMD (ROCm) und CPU.
Echtzeit-Zwei-Wege-Sprachübersetzung für zweisprachige Meetings – erkennt automatisch die gesprochene Sprache und übersetzt in beide Richtungen, wahlweise in der Cloud oder vollständig offline auf dem Gerät. Desktop (Windows · macOS · Linux) + Browser-Erweiterung (Chrome · Edge) für Zoom, Meet, Teams und jede beliebige App.