#voice-cloning Repositories
Insgesamt 77 Repositories
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.
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.
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.
Erstellung von Trendvideos mit einem Klick: 1. Automatische Extraktion von Vergleichstexten 2. Automatische Nachahmung von Texten 3. Automatische Klonung von Stimmen basierend auf Texten 4. Automatische Generierung von digitalen Sprecheransagen 5. Automatische Untertitelerstellung 6. Automatische Hinzufügung von Hintergrundmusik 7. Automatische Hinzufügung von Videotiteln 8. Automatische Generierung von Videoselbstporträts 9. Automatische Veröffentlichung von Videos auf verschiedenen Plattformen
Ein OpenAI API-kompatibler Text-to-Speech-Server, der Coqui AIs xtts_v2 und/oder Piper TTS als Backend verwendet.
Lokalisierte Wasserzeichen für KI-generierte Sprachaudios mit SOTA in Robustheit und sehr schnellem Detektor
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.
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.
MimikaStudio - Eine lokal-first Anwendung für macOS (Apple Silicon) + Agentic MCP-Unterstützung
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.).
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.
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.
🎭 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.
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
Liste von Open-Source-Modellen für Text-to-Speech (TTS), Stimmenklonung und Musikgenerierung
Das weltweit erste Open‑Source-Modell für Echtzeit-zu‑Ende-Konversationen mit personalisiertem Sprachklon.
ComfyUI-Node für ausdrucksstarke Sprache und realistisches Zero-Shot-Voice-Cloning
YouDub ist ein Open-Source-Tool, das darauf abzielt, qualitativ hochwertige YouTube-Videos automatisch zu übersetzen und zu synchronisieren, um sie in das chinesische Internet zu übertragen. Das Tool verwendet KI-Spracherkennungstechnologie, um Audio in Text umzuwandeln, übersetzt den Text anschließend mithilfe eines Großen Sprachmodells (LLM) ins Chinesische und wandelt das Chinesische schließlich mithilfe der KI-Stimmklonungstechnologie in Audio um. Auf diese Weise können wir auf Chinesisch synchronisierte Videos erstellen, die die ursprüngliche Stimmfarbe des YouTubers beibehalten.
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.
Sprich mit Feng Ge – Klone die Stimme und Persönlichkeit einer beliebigen Person für Echtzeit-Sprachgespräche mit einer technischen Latenz von unter 1 Sekunde.