#tts Repositories
Insgesamt 222 Repositories
Führen Sie lokale LLMs wie llama, deepseek-distill, kokoro und mehr in Ihrem Browser aus
Eine Python/Pytorch-App zur einfachen Synthese menschlicher Stimmen
Eine Java Enterprise Management-Plattform für Xiaozhi ESP32, die eine integrierte Frontend-, Backend- und Server-Lösung für Geräteüberwachung, Klangfarbenanpassung, Rollenwechsel und Verwaltung von Gesprächsprotokollen bietet
🍦 Speech-AI-Forge ist ein Projekt, das um ein TTS-Generierungsmodell entwickelt wurde und einen API-Server sowie eine Gradio-basierte WebUI implementiert.
Mouseover Translate Any Language At Once - Chrome Extension: PDF Translator, EBOOK, EPUB, OCR, TTS, NETFLIX, YOUTUBE DUAL SUBTITLES, GOOGLE DOCS, AI, VIEWER, GMAIL, WRITING, IMAGE, DUALSUBS, MANGA, HOVER, DICTIONARY, WEBTOON, EDGE, JAPANESE, ENGLISH
💎 Eine Liste zugänglicher Sprachkorpora für ASR, TTS und andere SprachTechnologien
[ICASSP 2024] 🍵 Matcha-TTS: Eine schnelle TTS-Architektur mit bedingungsgesteuerter Flussanpassung
Open-Source-Android-Übersetzer für den Echtzeit-Bildschirm ohne Root, geeignet für Spiele, Visual Novels und Manga. Unterstützt On-Device- und Cloud-OCR, Offline-LLMs, mehrere Übersetzungsdienste, Bildschirmübersetzungen und Text-to-Speech (TTS).
Ein Tool (für die Windows-Plattform), das die Text-to-Speech (TTS)-Stimme des Microsoft Edge-Browsers aufzeichnen und als .wav-Audiodatei ausgeben kann.
Echtzeit-Sprachinteraktiver digitaler Mensch, mit anpassbarem Aussehen und anpassbarer Stimme, der Stimmklonung unterstützt und eine Gesprächsverzögerung von nur 3 Sekunden hat.
Echtzeit-Sprachübersetzung — macOS & Windows, kostenloser TTS, kein Server, nur Ihre API-Schlüssel
KI-Sprach-Toolkit für Apple Silicon — ASR, TTS, Speech-to-Speech, VAD und Diarization, unterstützt von MLX und CoreML
StreamSpeech ist ein "All in One" nahtloses Modell für Offline- und gleichzeitige Spracherkennung, Sprachübersetzung und Sprachsynthese.
Eine ComfyUI-Custom-Node-Integration für lokale, Multi-Engine- und mehrsprachige Text-to-Speech- und Voice-Conversion-Funktionen. Unterstützt: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (klassisch und mehrsprachig), F5-TTS, Higgs Audio 2, 3 und VibeVoice mit unbegrenzter Textlänge, SRT-Timing, Charakterunterstützung und vielen Audiotools.
Die Open-Source-KI-Engine für AMD Strix Halo. Text-, Embedding-, Sprach-, Bild- und Videomodelle in einer einzigen Binärdatei – mit OpenAI-kompatiblen APIs, Caching für Programmieragenten und Modellerweiterungen. Linux und Windows.
Best-Practice-TTS basierend auf BERT und VITS mit einigen natürlichen Sprachmerkmalen von Microsoft; unterstützt ONNX-Streaming-Ausgabe!
Irina ist ein russischer Sprachassistent für die Offline-Arbeit. Unterstützt Skills über Plugins.
🎬 Erstelle aus einem einzigen Prompt erzählte Filmzusammenfassungen als Videos.
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.
Sprach-KI-Freundin (Sprach-KI-Freundin für DeepSeek Harness): Spracheingabe mit Whisper + Stimmenklonen mit Qwen3-TTS + satzweise Streaming-Wiedergabe + animiertes Avatarfenster. Zwei Modi: Unterbrechen oder Einreihen; Sprechen unterbricht sofort.
AI Studio Playground und Build per Reverse-Proxy als API bereitstellen | AI Studio-API kompatibel mit OpenAI, Anthropic und Gemini
GLM-TTS: Kontrollierbares und Emotionsausdrucksstarkes Zero-Shot-TTS mit Multi-Reward-Reinforcement-Learning
Erstellen Sie mit einem einzigen Befehl ein natürlich klingendes Hörbuch aus verschiedenen Eingabeformaten (epub, mobi, txt, PDF, HTML und mehr!)
Eine einfache VITS-HTTP-API, entwickelt durch Erweiterung von Moegoe mit zusätzlichen Funktionen.
YourTTS: Auf dem Weg zu Zero-Shot Multi-Speaker TTS und Zero-Shot Voice Conversion für jedermann
Ermöglichen Sie beliebigen SAPI 5-kompatiblen Anwendungen den Zugriff auf Azure Natural TTS-Stimmen.
SumatraPDF-Fork: Chinesisches EPUB/MOBI, intelligenter PDF-Dunkelmodus, OCR, TTS, Offline-Wörterbuch.
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.
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.
Cyber-Xiaoya-Livestream-Version · Modulare digitale Figur (Vidu s2) · Kostenlos und Open Source, AGPL-3.0 · Autor: Tiangong Kaizhen (gleicher Name auf Douyin/Bilibili/YouTube)
Der Knotenpunkt für Audio-KI-Forschung: Papiere, offene Modelle, Benchmarks und Datensätze zu Audio-LLMs, Spracherkennung, TTS, Musik- und Audio-Generierung.
🔥🔥🔥Kostenlose Offline-KI-Algorithmen-Toolbox für Java, die Gesichtserkennung, Lebenderkennung, Emotionserkennung, Objekterkennung, Instanzsegmentierung, Fußgängererkennung, OCR-Texterkennung, Kennzeichenerkennung, Tabellenerkennung, ASR+TTS, maschinelle Übersetzung und weitere Funktionen unterstützt und per Maven-Referenz verwendet werden kann. Unterstützt PyTorch, Tensorflow und hat Mainstream-Modelle wie Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper usw. integriert.
Ein performantes ML-Modell-Serving-Framework, das dynamisches Batching und CPU/GPU-Pipelines bietet, um Ihre Rechenmaschine voll auszunutzen
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
Wandeln Sie PDFs in KI-Podcasts für ansprechende Audioinhalte für unterwegs um.
DiffWave ist ein schneller, hochwertiger neuronaler Vocoder und Wellenformsynthesizer.