#text-to-speech Repositorios
261 repositorios en total
Entorno de ejecución de alto rendimiento para servir sistemas de superinteligencia interactivos
Una extensión de navegador impresionante que lee en voz alta el contenido de las páginas web con un solo clic
Biblioteca de inferencia de IA en el dispositivo para React Native, de alto rendimiento y con la privacidad como prioridad, impulsada por el runtime ExecuTorch de PyTorch
Motor de síntesis de voz VOICEVOX, un software de texto a voz de calidad media utilizable de forma gratuita
El sistema de autoscodificación para tu aplicación — Alan AI SDK para Flutter
Traduce automáticamente el texto de un vídeo basándose en un archivo de subtítulos y, a continuación, utiliza servicios de voz de IA para crear una nueva pista de audio doblada y traducida donde el habla se sincroniza utilizando los tiempos de los subtítulos.
Tema → Video narrado en 4K para agentes de codificación. v5.3.0: TTS local (Edge gratuito + Azure, sin motor externo), motor de recursos basado en manifiestos, composición con Remotion, generación de IA condicionada por costes, Bilibili/YouTube/Xiaohongshu/Douyin/Canales de WeChat
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.
Talking Head (3D): Una clase de JavaScript para la sincronización labial en tiempo real utilizando avatares 3D de cuerpo completo.
VibeVoice: Síntesis de voz conversacional expresiva y de formato largo. (Bifurcación comunitaria)
El sistema de autocodificación para tu aplicación — Alan AI SDK para Ionic
Servidor de inferencia de LLM de alto rendimiento compatible con OpenAI y Anthropic para Apple Silicon. MLX nativo, procesamiento por lotes continuo, modelos multimodales, llamadas a herramientas MCP y soporte para Claude Code.
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
Una estación de trabajo de generación (de videos cortos) que integra planificación de contenido, generación automática de textos publicitarios por IA, doblaje automático masivo de TTS, síntesis de material de imagen (IA), extracción automática de guiones de subtítulos de idioma por ASR y creación libre por IA. Facilita la gestión de los proyectos de video de cada edición.
AuK: Un modelo fundacional de código abierto para la generación y edición de voz
Servidor oficial del Protocolo de Contexto del Modelo (MCP) de MiniMax que permite la interacción con potentes API de texto a voz, generación de imágenes y generación de video.
Una integración integral de ComfyUI para el modelo de texto a voz VibeVoice de Microsoft, que permite la síntesis de voz de alta calidad para un solo o varios hablantes directamente dentro de sus flujos de trabajo de ComfyUI.
Autoalberga el potente modelo Chatterbox TTS. Este servidor ofrece una interfaz web fácil de usar, puntos finales de API flexibles (incluida la compatibilidad con OpenAI), voces predefinidas, clonación de voz y procesamiento de texto a gran escala al nivel de audiolibros. Se ejecuta acelerado en NVIDIA (CUDA), AMD (ROCm) y CPU.
Ajusta finamente LLMs en tu Mac con Apple Silicon. SFT, DPO, GRPO, Visión, TTS, STT, Embedding y ajuste fino de OCR — de forma nativa en MLX. API compatible con Unsloth.
Una aplicación Python/Pytorch para sintetizar fácilmente voces humanas
Un modelo multilingüe para la síntesis de diálogos extensos y con múltiples hablantes, con control flexible de los hablantes y clonación de voz de cero disparos
🍦 Speech-AI-Forge es un proyecto desarrollado en torno a un modelo de generación TTS, que implementa un servidor API y una interfaz de usuario web basada en Gradio.
Videos explicativos y demostraciones de productos creados por tu agente de IA. Gratis y de código abierto: una voz local (Kokoro), la sincronización de palabras (Whisper) y un renderizador de lienzo convierten un guion en un MP4 narrado.
💎 Una lista de corpora de voz accesibles para ASR, TTS y otras tecnologías de voz
[ICASSP 2024] 🍵 Matcha-TTS: Una arquitectura TTS rápida con coincidencia de flujo condicional
Traductor de pantalla en tiempo real para Android de código abierto y sin root, ideal para juegos, novelas visuales y manga. Admite OCR en el dispositivo y en la nube, LLM sin conexión, múltiples servicios de traducción, traducciones en pantalla y texto a voz (TTS).
Motor de inferencia sin conexión para arte, conversaciones de voz en tiempo real, chatbots impulsados por LLM y flujos de trabajo automatizados
[ICLR 2025] Modelos SOTA de códec acústico discreto con 40/75 tokens por segundo para modelado de lenguaje de audio
Kit de herramientas de voz IA para Apple Silicon — ASR, TTS, voz-a-voz, VAD y diarización impulsados por MLX y CoreML
StreamSpeech es un modelo "todo en uno" sin interrupciones para el reconocimiento de voz, la traducción de voz y la síntesis de voz sin conexión y simultánea.
Una integración de nodos personalizados de ComfyUI para conversión de texto a voz y voz a voz local, multi-motor y multi-idioma. Compatible con: RVC, Echo-TTS, Qwen3-TTS, Cozy Voice 3, Step Audio EditX, IndexTTS-2, Chatterbox (clásico y multilingüe), F5-TTS, Higgs Audio 2, 3 y VibeVoice, con longitud de texto ilimitada, sincronización SRT, soporte para personajes y muchas herramientas de audio.
Recursos de ChatTTS, dirección de prueba gratuita, biblioteca de voces, etc.