#speech-synthesis Repositorios
Descubre 100 repositorios activos de código abierto de GitHub etiquetados con #speech-synthesis, que acumulan 559,718 estrellas en total (una media de 5,597 estrellas por proyecto). El líder de este tema es microsoft/VibeVoice, con 57,449 estrellas.
101 repositorios en total
🐸💬 - un toolkit de aprendizaje profundo para Text-to-Speech, probado en investigación y producción
VoxCPM2: TTS sin tokenizador para generación de voz multilingüe, diseño de voz creativo y clonación realista
Un marco escalable de IA generativa construido para investigadores y desarrolladores que trabajan en Modelos de Lenguaje Grandes, Multimodal y IA de Voz (Reconocimiento Automático de Voz y Texto a Voz)
Scripts de deep learning de vanguardia organizados por modelos - fáciles de entrenar y desplegar con precisión y rendimiento reproducibles en infraestructura de grado empresarial.
TTS multilingüe ultrarrápido en el dispositivo — ejecutándose de forma nativa a través de ONNX.
Gradio WebUI para creadores y desarrolladores, con funciones clave de TTS (Edge-TTS, kokoro) y clonación de voz zero-shot (E2 & F5-TTS, CosyVoice), con procesamiento de audio Whisper, descarga de YouTube, aislamiento vocal Demucs y traducción multilingüe.
Kit de herramientas de voz fácil de usar que incluye modelo de aprendizaje auto-supervisado, ASR en streaming/SOTA con puntuación, TTS en streaming con frontend de texto, sistema de verificación de hablante, traducción de voz de extremo a extremo y detección de palabras clave. Ganó el premio al Mejor Demo de NAACL2022.
Usa el servicio de conversión de texto a voz en línea de Microsoft Edge desde Python SIN necesidad de Microsoft Edge
Amphion (/æmˈfaɪən/) es un kit de herramientas para la generación de audio, música y voz. Su propósito es apoyar la investigación reproducible y ayudar a investigadores e ingenieros junior a iniciarse en el campo de la investigación y desarrollo de generación de audio, música y voz.
Fork de so-vits-svc con soporte en tiempo real, interfaz mejorada y más funciones.
Una biblioteca de texto a voz (TTS), voz a texto (STT) y voz a voz (STS) construida sobre el framework MLX de Apple, que proporciona un análisis de voz eficiente en Apple Silicon.
Zonos-v0.1 es un modelo líder de texto a voz de peso abierto entrenado en más de 200 000 horas de habla multilingüe variada, que ofrece una expresividad y una calidad a la par, o incluso superiores, a los principales proveedores de TTS.
eSpeak NG es un sintetizador de voz de código abierto que soporta más de cien idiomas y acentos.
Modelos Silero: modelos de texto a voz preentrenados hechos increíblemente sencillos
StyleTTS 2: Hacia la síntesis de voz de nivel humano a través de la difusión de estilo y el entrenamiento adversario con grandes modelos de lenguaje de voz
Tacotron 2 - Implementación en PyTorch con inferencia más rápida que en tiempo real
DiffSinger: Síntesis de voz cantada a través de un mecanismo de difusión superficial (SVS & TTS); AAAI 2022; Código oficial
Un modelo TTS multilingüe de 100 millones de parámetros para inferencia en CPU en tiempo real, clonación de voz y generación estéreo a 48 kHz
Un sistema de texto a voz de código abierto construido invirtiendo Whisper.
Una familia de modelos de código abierto para síntesis de voz de larga duración, síntesis de diálogos, diseño de voces, efectos de sonido y TTS en streaming en tiempo real
:stuck_out_tongue_closed_eyes: TensorFlowTTS: Síntesis de voz de última generación en tiempo real para Tensorflow 2 (soportados incluyendo inglés, francés, coreano, chino, alemán y fácil de adaptar para otros idiomas)
TTS en vietnamita con clonación instantánea de voz • En el dispositivo • Inferencia en tiempo real con CPU • Calidad de audio de 48 kHz • Conversión de texto a voz en vietnamita • Texto a voz en vietnamita • TTS en vietnamita
Herramienta de IA de doblaje/traducción de video multilingüe inteligente - Linly-Dubbing — “IA empoderada, sin fronteras lingüísticas”
Asistente AI en tiempo real para los anteojos inteligentes Meta Ray‑Ban — voz + visión + acciones agentivas via Gemini Live y OpenClaw
MARY TTS -- un sistema de síntesis de texto a voz multilingüe de código abierto escrito en Java puro
HiFi-GAN: Redes Generativas Antagónicas para Síntesis de Voz Eficiente y de Alta Fidelidad
Aplicación Linux Speech Note. Tomar notas, leer y traducir con voz a texto (Speech to Text) y texto a voz (Text to Speech) sin conexión, y traducción automática.
Modelo de texto a voz basado en Flow Matching con control de estilo impulsado por emojis
Parallel WaveGAN No Oficial (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) con PyTorch
Nodos personalizados que extienden las capacidades de Comfyui
Preguntas frecuentes
¿Cuál es el repositorio de #speech-synthesis más popular en GitHub?
El proyecto de código abierto de #speech-synthesis mejor posicionado en GitHub es microsoft/VibeVoice, con 57,449 estrellas. Frontera de Voz de Código Abierto IA
¿Qué lenguajes de programación se utilizan más en los repositorios de #speech-synthesis?
Entre los proyectos de #speech-synthesis mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, C#.
¿Cómo se calcula la clasificación de los repositorios de #speech-synthesis?
Seguimos 100 repositorios activos de código abierto etiquetados con #speech-synthesis (500+ estrellas), que suman un total de 559,718 estrellas, con una media de 5,597 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.