#tts Repositories
Insgesamt 222 Repositories
Benutzerfreundliches Toolkit für Spracherkennung/Transkription/Konvertierung usw. | Einfaches und benutzerfreundliches Sprach-Toolkit
Confucius4-TTS: Eine mehrsprachige und sprachübergreifende Zero-Shot-TTS-Engine
Die einfachste und kostengünstigste KI-Integrationslösung. Wenn Ihnen dieses Projekt gefällt, geben Sie ihm bitte einen Stern~ | 最简单、最低成本的AI接入方案。喜欢本项目的话点个 Star 吧~
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.
🔥🔥 Kokoro in Rust. https://huggingface.co/hexgrad/Kokoro-82M Unglaublich schnelle Echtzeit-TTS mit hoher Qualität, die Sie je hatten.
AI‑VTuber mit LLM, ASR, TTS, OCR, CV und weiteren Technologien, um Live‑Streams zu erstellen oder Minecraft mit Ihnen zu spielen.
Voxtral ASR & TTS läuft nativ und im Browser. Eine Rust-Implementierung von Mistral's Voxtral mini Echtzeit-ASR/TTS mit dem Burn ML-Framework
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 lokales KI-Tool, das aus einer Referenzstimme und einem chinesischen Skript automatisch Whiteboard-Animationsvideos erstellt.
Ein englisches Text-to-Speech-Modell mit 4,5 Millionen Parametern und zwei Stimmen, von Grund auf trainiert
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.
Erweiterbare und alternative Kommunikationssysteme (AAC) mit Text-to-Speech für den Browser
MimikaStudio - Eine lokal-first Anwendung für macOS (Apple Silicon) + Agentic MCP-Unterstützung
MLX Omni Server ist ein lokaler Inferenzserver, der von Apples MLX-Framework angetrieben wird und speziell für Apple Silicon (M-Serie) Chips entwickelt wurde. Er implementiert OpenAI-kompatible API-Endpunkte, die eine nahtlose Integration mit bestehenden OpenAI SDK-Clients ermöglichen und gleichzeitig die Leistung lokaler ML-Inferenz nutzen.
Thorsten-Voice: Eine kostenlos nutzbare, offline arbeitende, hochwertige deutsche TTS-Stimme sollte für jedes Projekt ohne Lizenzprobleme verfügbar sein.
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
Unreal Engine-Plugin für LLM/GenAI-Modelle & MCP UE5-Server. OpenAI GPT-5, Deepseek R1, Claude Opus/Sonnet, Gemini 3, Grok 4, Alibaba Qwen, Kimi, ElevenLabs TTS, Inworld, OpenRouter, Groq, GLM, Ollama, Local, Meshy, Tripo, Hunyuan3D, Rodin, fal, Dashscope, Seedream. NPC AI, agentic, chat, 3D gen, TTS, multimodal, image gen. UnrealMCP/UnrealClaude
Erstellen Sie Piper-Text-zu-Sprache-Modelle problemlos in jeder Stimme. Erstellen Sie ein Text-zu-Sprache-Modell mit Ihren eigenen Sprachaufnahmen oder verwenden Sie Tausende von RVC-Stimmen. Funktioniert offline auf einem Raspberry Pi. Erstellen Sie schnell benutzerdefinierte Datensätze für jede metadata.csv-Datei und hören Sie Ihr Modell während des Trainings.
Automatische Aktualisierung von Text-to-Speech (TTS)-Papieren täglich mit Github Actions (Aktualisierung alle 12 Stunden)
KI-Agenten-Skillpaket für kommentierte Videos: automatische Szenenschnitte, Bildanalyse zum Verfassen des Sprechertexts, Sprachaufnahme und Audiomischung zur Erstellung des fertigen Videos; Export von Entwürfen für Jianying/CapCut, keine GPU erforderlich | Agenten-Skills für kommentierte Videozusammenfassungen und CapCut-Entwürfe
Kokoro Web: Kostenlose KI-Text-to-Speech, online oder selbst gehostet, OpenAI-kompatibel!
„来剪“ Leichter Video-Editor. Web-Version, Desktop-Version usw. kostenlos nutzbar, Funktionen inspiriert von Editoren wie CapCut. Ein leichter Video-Editor. Kostenlos für Web, Desktop und mehr, mit Funktionen inspiriert von Editoren wie CapCut.
Hojo-TTS-Light ist eine von HojoAI entwickelte Reihe leichtgewichtiger Sprachgenerierungsmodelle, die derzeit Modelle mit 0,04B und 0,08B umfasst.
ComfyUI Custom Node für VibeVoice TTS. Expressive, langformatige, gesprächige Audioausgabe mit mehreren Sprechern
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.
Modifizierte Version von Chatterbox, die Textdateien als Eingabe akzeptiert und keine Zeichenbeschränkungen hat. Ich benutze es, um Hörbücher zu erstellen, besonders für meine Kinder.
KI-gestützter CMS-Kern für persönliche Blogs und Creator-Websites mit KI-Zusammenfassungen, Übersetzung, Moderation und Schreib-Workflows.
OmniVoice TTS-Knoten für ComfyUI - Zero-Shot mehrsprachige Text-zu-Sprache mit Sprachklonen, Sprachdesign und Mehrsprecher-Dialog
Liste von Open-Source-Modellen für Text-to-Speech (TTS), Stimmenklonung und Musikgenerierung
Ein konversationelles KI-Gerät + Software-Framework für Begleitung, Unterhaltung, Bildung, Gesundheitswesen, IoT-Anwendungen und DIY-Robotik. Erbaut mit Python, NextJS, Arduino, ESP32, LLMs (GPT-4o), Deepgram STT und Azure TTS 🤖