#text-to-speech Repositorios
261 repositorios en total
Un laboratorio práctico para crear, probar y evaluar aplicaciones con el marco de trabajo de modelos fundacionales de Apple.
Modelo TTS capaz de transmitir audio conversacional en tiempo real por streaming.
El núcleo de VOICEVOX, un software de texto a voz de calidad media utilizable de forma gratuita
Una aplicación de asistente de voz modular para experimentar con modelos de transcripción, generación de respuestas y texto a voz de última generación. Soporta las API de OpenAI, Groq, Elevenlabs, CartesiaAI y Deepgram, además de modelos locales a través de Ollama. Ideal para investigación y desarrollo en tecnología de voz.
Generador de audiolibros multi-voz impulsado por IA — anotación de guiones LLM, clonación de voz, diseño de voz, entrenamiento LoRA, control de estilo por línea y exportación a MP3, M4B con capítulos o pistas múltiples de Audacity. Construido sobre Qwen3-TTS.
SDK de voz-AI de código abierto. La alternativa a Vapi/Retell para desarrolladores que quieren controlar la pila. Dale a tu agente de IA un número de teléfono en 4 líneas — Python y TypeScript, con licencia MIT, Twilio, Telnyx y Plivo.
Editor de vídeo con IA para agentes. Plugin ChatCut y servidor MCP para Codex, ChatGPT, Claude Code, Cursor, Grok, Gemini CLI, WorkBuddy, Doubao Work y Qwen Work: edita tus propios vídeos conversando, añade rótulos y subtítulos, elimina silencios y muletillas, crea gráficos animados y exporta una línea de tiempo editable.
Haga que las voces TTS naturales de Azure sean accesibles para cualquier aplicación compatible con SAPI 5.
Un potente modelo de edición de audio basado en LLM de 3 mil millones de parámetros y aprendizaje por refuerzo destaca en la edición de emociones, estilo de habla y paralingüística, y cuenta con una sólida función de texto a voz de cero disparos.
Este conjunto de herramientas permite a los usuarios interactuar directamente con servicios de IA desde su terminal.
Editor de video de código abierto y local primero, donde creadores y agentes de IA editan la misma línea de tiempo real.
Herramienta de voz de código abierto (Apache 2.0) para Claude Code y Codex en macOS que lee en voz alta el progreso de tu agente de programación. La voz se ejecuta localmente con Kokoro, sin necesidad de una cuenta, o puedes usar tu propia clave de ElevenLabs o Speechify. Escucha un breve resumen hablado cuando tu agente termine, falle o necesite aprobación.
Un modelo ligero de texto a voz con clonación de voz de cero disparos (zero-shot)
Un lector de novelas gratuito, de código abierto, simple, limpio y sin publicidad
Un libro creado por xiaolai con la ayuda de ChatGPT y su TTS
Cliente de la API REST de Vonage para PHP. Soporte de API para SMS, Voice, Text-to-Speech, Numbers, Verify (2FA) y más.
Un motor TTS (Texto a Voz) ligero y offline para Android que permite clonación de voz sin interrupciones a nivel de sistema y lectura de texto de alta fidelidad. / Un motor TTS (Texto a Voz) ligero que se ejecuta localmente en Android, compatible con extracción de locutor offline, clonación de timbre sin umbrales y lectura global a nivel de sistema con doble motor.
NISQA - Evaluación No Intrusiva de la Calidad del Habla y Naturalidad de TTS
Generador automático de video que genera videos explicativos dado un tema. El usuario ingresa el texto del tema, el sistema llama a un modelo de lenguaje grande para generar una historia o un texto explicativo, luego llama a una interfaz de síntesis de voz para generar la voz explicativa, llama a una interfaz de texto a imagen para generar imágenes de acompañamiento que coincidan con el contenido del texto, y finalmente fusiona la voz y las imágenes de acompañamiento para crear un video explicativo.
DiffWave es un vocoder neuronal y sintetizador de formas de onda rápido y de alta calidad.
Confucius4-TTS: un motor de síntesis de voz (TTS) multilingüe y translingüe de disparo cero (zero-shot)
sanoTTS (सानो significa «pequeño» en nepalí): un sistema neuronal de texto a voz con entre 294 mil y 2,27 millones de parámetros, que funciona en un chip de 3 dólares, en el navegador o en Python, con transmisión de baja latencia.
Un servidor de texto a voz compatible con la API de OpenAI que utiliza xtts_v2 y/o piper tts de Coqui AI como backend.
Recursos de código de Azure OpenAI para usar las capacidades en tiempo real de gpt-4o.
Lector de libros electrónicos en terminal con conversión de texto a voz con calidad de audiolibro — Compatible con EPUB, PDF, DOCX, HTML, RTF, TXT y MD.
Un SDK modular de Swift para procesamiento de audio con MLX en Apple Silicon
De voz a texto a voz. Reproduciendo canción. Envía texto como mensajes OSC a VRChat para mostrarlo en el avatar. (STTTS) (Voz a TTS) (Sistema STT de VRC) (VTuber TTS)
🎤 Lobe TTS - Una biblioteca TTS/STT fiable y de alta calidad para servidor y navegador
Un modelo de conversión de texto a voz en inglés de 4,5 millones de parámetros y dos voces, entrenado desde cero
dispositivo basado en esp32, utilizado principalmente para chatear por voz con modelos de lenguaje grandes
Chatbot de voz local para conversaciones interesantes, impulsado por Ollama, Hugging Face Transformers y Coqui TTS Toolkit
Vui Nano — un pequeño modelo de texto a voz consciente del contexto, entrenado con conversaciones reales. 219 millones de parámetros activos (305 millones en total), Apache 2.0, clonación de voz y transmisión en tiempo real; funciona en CPU (compilación en C sin dependencias). Incluye un asistente de voz completo en tiempo real: WebRTC, ASR, LLM local y compatibilidad con la API Realtime de OpenAI.