#tts Repositories
Insgesamt 222 Repositories
Ein AstrBot-Plugin, mit dem der Bot in privaten Chats und Gruppenchats proaktiv Nachrichten senden kann. Es bietet Kontextbewusstsein, dauerhafte Datenspeicherung, dynamische Emotionen, Ruhezeiten und TTS-Integration. Außerdem verfügt es über eine eigenständige WebUI zur individuellen Konfiguration.
Audioproben, die Publikationen im Zusammenhang mit Tacotron, einem End-to-End-Sprachsynthesemodell, begleiten.
Emotions- und Animationstests basierend auf Bert-VITS2. Animationstests basierend auf Bert-VITS2.
SummerTTS ist ein auf C++ basierendes, eigenständig kompiliertes Projekt zur chinesischen und englischen Sprachsynthese (TTS). Es kann lokal ohne Netzwerk oder zusätzliche Abhängigkeiten ausgeführt werden und ist nach der einmaligen Kompilierung sofort für die Sprachsynthese in Chinesisch und Englisch einsatzbereit.
Automatische Spracherkennung (ASR), Text-to-Speech (TTS) Engine. Chinesisch-Englische Spracherkennung, Mehrrollen-Sprachsynthese, unterstützt mehrere Sprachen, hohe Genauigkeit
Frametell: Verwandle deine Ideen und Materialien mit einem KI-Regieagenten in anschauliche Erklärvideos. Lokal zuerst, mit jedem Modell.
ComfyUI-Node für ausdrucksstarke Sprache und realistisches Zero-Shot-Voice-Cloning
Der Ausgabenmesser und die Budgetgrenze für KI-Sprachagenten. Misst STT + TTS + LLM + Telefonie pro Anruf – sofort einsatzbereit (Pipecat, LiveKit — Python und TypeScript). Stoppt den nächsten Turn, bevor dein Limit überschritten wird. Lokal, ohne Konto und ohne Telemetrie. Entwickelt von Floe – Kostenkontrolle für Voice AI.
Ein E-Book-Reader mit einem sich selbst weiterentwickelnden Agenten: Er merkt sich, was du in verschiedenen Büchern liest, und Plugins erweitern sowohl den Reader als auch den Agenten.
Ihr persönlicher Sprachassistent: Sprache zu Text zu LLM zu Sprache, angezeigt in einer Weboberfläche
Offene Vollduplex-Sprachmodelle, die deinen Tonfall erkennen und selbst mit einem passenden Tonfall sprechen. Eine GPU mit vLLM-Omni oder vollständig offline auf einem Mac mit MLX. Zero-Shot-Sprachklonen, kompatibel mit OpenAI Realtime / GPT-Live, plus kostenloser Testzugang zur gehosteten API. Apache-2.0.
Sprachsynthese, Spracherkennung und Sprachaktivitätserkennung für Sprachkonversationen in C++ auf ggml: Qwen3-TTS, Irodori-TTS, Qwen3-ASR, ReazonSpeech, parakeet und Silero VAD auf Metal, Vulkan und der CPU, mit einem OpenAI-kompatiblen Server und Live-Transkription.
Ein Open-Source-Skill für Claude Code / Codex, der einen Artikel oder ein Video (von Douyin, Bilibili oder YouTube – zunächst als Transkript) mit nur einem Klick in Xiaohongshu-Bild-Text-Posts, lange Bilder im Magazin-Stil, Layouts für offizielle WeChat-Konten und kurze Videos mit KI-Voiceover umwandelt. 21 Themen, automatische Abnahmeprüfung und keinerlei npm-Abhängigkeiten.
Sprich mit Feng Ge – Klone die Stimme und Persönlichkeit einer beliebigen Person für Echtzeit-Sprachgespräche mit einer technischen Latenz von unter 1 Sekunde.
Verwandeln Sie Ihren Coding-Agenten in ein Videostudio: Beschreiben Sie ein Video in einfacher Sprache, und Ihr Agent erstellt die Timeline und produziert die Datei.
VibeVoiceFusion ist ein Full-Stack-Websystem zur Sprachgenerierung mit mehreren Sprechern und bietet LoRA-Feinabstimmung, Batch-Generierung und VRAM-Optimierung. Es basiert auf Microsofts VibeVoice (AR- + Diffusionsarchitektur).