#text-to-speech Repositorios
261 repositorios en total
Este es el Núcleo de Personalidad para GLaDOS, los primeros pasos hacia una implementación real de la IA de la serie Portal de Valve.
Contenedor Docker con una API compatible con OpenAI para la conversión de texto a voz de Kokoro-82M, con compatibilidad multiplataforma para PyTorch en CPU y GPU AMD y NVIDIA; múltiples voces, clonación y ajuste de voz, marcas de tiempo para subtítulos, SSML, WebSockets y una interfaz web opcional para seguir la lectura
Un modelo rápido y de alta calidad de clonación de voz TTS que alcanza velocidades de 150× en tiempo real。
Biblioteca de inferencia y entrenamiento para modelos TTS de alta calidad.
Tacotron 2 - Implementación en PyTorch con inferencia más rápida que en tiempo real
Un compañero de escritorio con IA autónomo y consciente del contexto. Desarrollado con Python, cuenta con visión de pantalla en tiempo real, síntesis de voz ONNX personalizada, seguimiento de la ventana activa y una interfaz flotante dinámica con expresiones faciales reactivas.
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 motor de inferencia todo en uno, puro en C++, para modelos de audio, impulsado por ggml. Admite TTS, STT, VAD, conversión de voz, generación de música y más, con rendimiento altamente optimizado. Sin dependencia de Python.
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
Una herramienta de conversión de voz simple y de alta calidad centrada en la facilidad de uso y el rendimiento.
: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)
SoulX-Podcast es una base de código de inferencia del equipo de Soul AI para generar podcasts de alta fidelidad a partir de texto.
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
Sistema de Conversación con Avatar Digital - Linly-Talker. 😄✨ Linly-Talker es un sistema de IA inteligente que combina modelos de lenguaje grandes (LLM) con modelos visuales para crear un novedoso método de interacción humano-IA. 🤝🤖 Integra diversas tecnologías como Whisper, Linly, Microsoft Speech Services y el sistema de generación de cabezas parlantes SadTalker. 🌟🔬
Código de muestra para el SDK de Speech de Microsoft Cognitive Services
¡Una sola interfaz web Gradio + React con extensiones para ACE-Step, OmniVoice, Kimi Audio, Piper TTS, GPT-SoVITS, CosyVoice, XTTSv2, DIA, Kokoro, OpenVoice, ParlerTTS, Stable Audio, MMS, StyleTTS2, MAGNet, AudioGen, MusicGen, Tortoise, RVC, Vocos, Demucs, SeamlessM4T y Bark!
El editor de VOICEVOX, un software de texto a voz de calidad media utilizable de forma gratuita
Un entorno de ejecución de voz en tiempo real que mantiene a los agentes hablando, trabajando y presentes. Entorno de ejecución de voz en tiempo real para agentes de IA
Modelos de Texto a Voz y Voz a Texto de Kyutai basados en el marco de Modelado de Flujos Retrasados.
[AutoArk] ¡GPA (General Purpose Audio) puede realizar ASR, TTS y conversión de voz con un solo modelo diminuto!
Agrega contenido RSS y web (receta de Calibre), lo envía a Kindle e incluye un lector en línea optimizado para e-ink.
aeneas es una biblioteca de Python/C y un conjunto de herramientas para sincronizar automágicamente audio y texto (también conocido como alineación forzada)
Crea vídeos con Claude Code: guion, voz en off con IA, música, clips de vídeo y renderizado con modelos de código abierto por unos céntimos
Biblioteca Python y herramienta CLI para interactuar con la API de texto a voz de Google Translate
🚀 ¡Despliegue con un clic (incluye paquete offline)! Basado en ChatTTS, soporta salida en streaming, extracción de voces, generación de audio largo y lectura por roles. Fácil de usar, sin necesidad de instalación compleja.
MARY TTS -- un sistema de síntesis de texto a voz multilingüe de código abierto escrito en Java puro
AllTalk se basa en el motor Coqui TTS, similar a la extensión Coqui_tts para Text generation webUI, sin embargo, admite una variedad de funciones avanzadas, como una página de configuración, soporte de VRAM bajo, DeepSpeed, narrador, ajuste fino del modelo, modelos personalizados, mantenimiento de archivos wav. También se puede utilizar con software de terceros a través de llamadas JSON.
HiFi-GAN: Redes Generativas Antagónicas para Síntesis de Voz Eficiente y de Alta Fidelidad
Estudio local de audio y música con IA de código abierto para macOS y Windows. TTS, clonación de voz, canciones con letra y partituras multipista: 100 % sin conexión y sin tarifas de API.
Implementación en PyTorch de VALL-E (Texto a Voz de "Zero-Shot"), Demo Reproducida https://lifeiteng.github.io/valle/index.html
IA multimodal en tiempo real y en el dispositivo con funciones similares a GPT-Live
Estudio de IA local y portátil para Windows, Linux y macOS. Interfaz gráfica sin configuración para generación de imágenes, LLM GGUF, conversión de texto a voz y de voz a texto
Punto final de API de texto a voz gratuito y de alta calidad para reemplazar OpenAI, Azure o ElevenLabs