#text-to-speech Repositorios
Descubre 260 repositorios activos de código abierto de GitHub etiquetados con #text-to-speech, que acumulan 1,515,362 estrellas en total (una media de 5,828 estrellas por proyecto). El líder de este tema es harry0703/MoneyPrinterTurbo, con 144,921 estrellas.
261 repositorios en total
Genere videos cortos en alta definición a partir de un tema o palabra clave con un flujo de trabajo automatizado de IA.
VoiceStudio es la alternativa de código abierto y completamente local a ElevenLabs: clonación de voz, diseño de voz, doblaje de vídeo, dictado, transcripción y creación de audiolibros en 646 idiomas.
El primer sistema de producción de video de código abierto y basado en agentes del mundo. 12 tuberías de producción, más de 100 herramientas, más de 700 archivos de habilidades de agente y conocimiento de producción. Convierta su asistente de codificación de IA en un estudio de producción de video completo.
Interfaz local para ejecutar y entrenar LLM y modelos de difusión. Compatible con GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX y más.
¡1 minuto de datos de voz también se puede utilizar para entrenar un buen modelo TTS! (clonación de voz few-shot)
🐸💬 - 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
Clonación instantánea de voz por MIT y MyShell. Modelo fundacional de audio.
Un sistema de texto a voz Zero-Shot controlable y eficiente a nivel industrial
Modelo de generación de voz multilingüe grande, que proporciona capacidad full-stack para inferencia, entrenamiento y despliegue.
Una caja de herramientas de estilos cinematográficos creados con código para Claude Code: 99 estilos listos para usar y la posibilidad de crear los tuyos. Cada estilo incluye un prompt y una película de demostración creada íntegramente con código por Claude Opus 5.5, sin usar ningún modelo de vídeo. Por Lemomo.
Reconocimiento de voz a texto, texto a voz, diarización de hablantes, mejora de voz, separación de fuentes y VAD utilizando la próxima generación de Kaldi con onnxruntime sin conexión a Internet. Soporte para sistemas integrados, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, servidores x86_64, servidor/cliente websocket, soporte para 12 lenguajes de programación
Código oficial para "F5-TTS: un narrador de cuentos que falsifica el habla fluida y fiel con Flow Matching"
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.
Usa el servicio de conversión de texto a voz en línea de Microsoft Edge desde Python SIN necesidad de Microsoft Edge
🏠 Integra el altavoz XiaoAi con ChatGPT y Doubao, y conviértelo en tu asistente de voz exclusivo.
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.
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.
Prelanzamiento de ODS V3: pruebas públicas y mejoras antes del lanzamiento oficial de V3. Convierte tu PC, Mac o equipo Linux en un servidor de IA privado.
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.
Biblioteca de texto a voz multilingüe de alta calidad de MyShell.ai. Soporta inglés, español, francés, chino, japonés y coreano.
eSpeak NG es un sintetizador de voz de código abierto que soporta más de cien idiomas y acentos.
Este repositorio contiene recursos seleccionados a mano para la Ingeniería de Prompts con un enfoque en Generative Pre-trained Transformer (GPT), ChatGPT, PaLM, etc.
La IA genera videos cortos en masa con un clic, remezcla automáticamente videos cortos, publica automáticamente videos en Douyin, Kuaishou, Xiaohongshu, Video Channel, ¡ganar dinero nunca ha sido tan fácil! Soporta modelos de voz locales chatTTS, faster-whisper, GPTSoVITS, soporta voces en la nube: Azure, Alibaba Cloud, Tencent Cloud. Soporta Stable diffusion, comfyUI para la generación directa de imágenes por IA. Genera videos cortos con un clic usando KI LLM, ¡imprime dinero juntos! Soporta: chatTTS, faster-whisper, GPTSoVITS, Azure, Tencent Cloud, Ali Cloud.
Plataforma de IA de voz de código abierto. Alternativa autohospedada a Vapi y Retell. On-premise, BYOK en Speech-to-Speech o LLM/STT/TTS, con un constructor de flujo de trabajo visual, nativo en MCP y soporte de telefonía.
Modelos Silero: modelos de texto a voz preentrenados hechos increíblemente sencillos
🎙️🤖Crea, personaliza y habla con tu personaje/compañero IA en tiempo real (¡Todo en una única base de código!). Mantén una conversación natural y fluida con la IA en cualquier lugar (móvil, web y terminal) utilizando LLM OpenAI GPT3.5/4, Anthropic Claude2, Chroma Vector DB, Whisper Speech2Text, ElevenLabs Text2Speech🎙️🤖
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
Localización y doblaje de video con IA de código abierto para YouTube/Bilibili: reconocimiento de voz, traducción de subtítulos, clonación de voz, mezcla de audio y renderizado. Herramienta de código abierto para traducción y doblaje de videos con IA.
Preguntas frecuentes
¿Cuál es el repositorio de #text-to-speech más popular en GitHub?
El proyecto de código abierto de #text-to-speech mejor posicionado en GitHub es harry0703/MoneyPrinterTurbo, con 144,921 estrellas. Genere videos cortos en alta definición a partir de un tema o palabra clave con un flujo de trabajo automatizado de IA.
¿Qué lenguajes de programación se utilizan más en los repositorios de #text-to-speech?
Entre los proyectos de #text-to-speech mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, JavaScript, C++.
¿Cómo se calcula la clasificación de los repositorios de #text-to-speech?
Seguimos 260 repositorios activos de código abierto etiquetados con #text-to-speech (500+ estrellas), que suman un total de 1,515,362 estrellas, con una media de 5,828 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.